如何利用C++来调用PyTorch训练好的模型

最新推荐文章于 2025-11-04 15:51:24 发布
最新推荐文章于 2025-11-04 15:51:24 发布
阅读量1k 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉实战 | 文档详细，开放源码 文章标签： pytorch c++ 深度学习 端侧 边缘计算
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Charmve/article/details/121225282
本文介绍了如何利用C++结合LibTorch库调用已训练好的PyTorch模型。首先，详细说明了LibTorch的安装步骤，接着展示了PyTorch模型的训练过程，特别是使用ResNet50预训练模型并保存模型为resnet.pt。最后，提供了CMakeLists配置和C++代码示例，解释了如何读取图像、转换数据格式、加载模型以及执行前向传播获取预测结果。

PyTorch如今发布到1.1稳定版本，新增的功能让模型部署变得更为地简单，本文记录如何利用C++来调用PyTorch训练好的模型，其实也是利用官方强大的LibTorch库。

LibTorch的安装

虽然说安装，其实就是下载官方的LibTorch包而已，从官方网站中选择PyTorch(1.1)，libtorch，以及cuda的版本，其中会出现下载链接，这里为cuda9.0的链接

https://download.pytorch.org/libtorch/cu90/libtorch-shared-with-deps-latest.zip

下载好找个路径解压。解压完放在那不动！！!

PyTorch模型训练

这里我使用了最为简单ResNet50的预训练模型，其中保存跟踪模型的代码如下：

import torch
import torchvision.models as models
from PIL import
了解本专栏 订阅专栏 解锁全文
部署模型：Libtorch使用笔记【Pytorch的C++版本】【把用Pytorch训练好的模型打包保存为.pt格式，使用Libtorch去加载.pt格式模型，在C++工程中去用就好了】
u013250861的博客
04-08 2847
A : Libtorch是pytorch的C++版本，现在的很多大型项目都是用C++写的，想使用训练好的模型，需要通过caffe等方式去集成，比较麻烦。这里pytorch官方提出了Libtorch，我们就可以把pytorch训练好的模型，打包起来，直接在C++工程中去用就好了，相比较caffe等，非常方便！虽然对于许多需要动态性和易迭代性的场景来说，Python是一种合适且首选的语言，但在同样的情况下，Python的这些特性恰恰是不利的。生产环境是一个需要低延迟和有严格部署要求的领域，一般选择C++。
利用LibTorch调用PyTorch训练好的模型
TangCode的专栏
07-08 6560
PyTorch如今发布到1.1稳定版本，新增的功能让模型部署变得更为地简单，本文记录如何利用C++来调用PyTorch训练好的模型，其实也是利用官方强大的LibTorch库。 LibTorch的安装 虽然说安装，其实就是下载官方的LibTorch包而已，从官方网站中选择PyTorch(1.1)，libtorch，以及cuda的版本，其中会出现下载链接，这里为cuda9.0的链接 https://d...
怎样c++调用pytorch训练的模型
m0_37635769的博客
05-16 1987
怎样c++调用pytorch训练的模型
使用 C++ 部署 PyTorch 模型
最新发布
qq_35732321的博客
11-04 486
默认情况下会根据上一次训练保留的参数继续训练，如果要从头训练，需要删除./mlruns文件夹，新训练的模型回报存在 ./models路径。在build文件夹有可执行文件torch-cpp-deployment，运行torch-cpp-deployment。把模型转换为TorchScript格式，把训练好的模型放在 ./models/路径下。(1) 训练PyTorch model并保存，把模型转换成TorchScript。先用python训练网络，在转换模型格式，最后用C++部署模型。
libtorch 调用模型方法
爱CV
07-13 971
libtorch 是 pytorch 的 C++ 版本，支持 CPU 端和 GPU 端的模型部署。相较于用 tensorrt 部署 pytorch 模型，用 libtorch的优势在于：pytorch 和 libtorch 同属一个生态，API 语句比较接近，并且不会出现某网络层不支持的问题。链接：https://juejin.cn/post/7153132249028755463。这里就会导出 trace 模型 resnet50.pt。首先加载 resnet50 模型，并导出 trace 模型。
C++调用已训练好的pytorch模型
qq_42944230的博客
06-19 1549
首先需要下载并配置好torch script环境，网上已有相关教程。然后在python中将模型转换为torch script，我使用了annotation的方式。使用C++调用pytorch模型，即将模型部署到生产环境中，这里先提供一个pytorch的。随后在C++中加载保存好的模型，并使用相同的样例测试模型输出。
windows 10 c++(libtorch)调用pytorch训练好的分割模型
weixin_42329982的博客
08-10 4267
c++调用训练好的分割模型主要步骤如下： 1、将训练好的.pth 模型转换为.pt模型 2、opencv读取要推理的图像 3、model前向传播，获得推理结果 4、将推理结果转为opencv，查看推理结果。 开发环境 windows10 vs 2015 pytorch 1.2.0 cpu opencv 4.3.0 libtorch 1.3.0 cpu 配置开发环境时遇到的坑： 1、vs2015不支持最新的libtorch 2、ptorch与liborch 使用的cpu或者gpu版本要统一，否则出现如下错误
openvino如何在c++中调用pytorch训练的模型
love code, love life.
06-05 746
openvino如何在c++中调用pytorch训练的模型
搭建C++开发图像算法的环境——利用C++调用Pytorch训练后模型
weixin_44450018的博客
06-03 956
C++开发图像算法的环境搭建——利用C++调用Pytorch训练后模型 本文主要介绍如何搭建C++开发图像算法的环境，使用到CMake + libtorch + OpenCV + ITK等。旨在构建一个可融合深度学习框架，可开发图像处理算法且易于跨平台编译的环境。 准备条件：C++编译器visual studio 安装教程可参照：工具类之C++开发环境VS2019下载与安装 一、Cmake 1 介绍 CMake是一个跨平台的安装(编译)工具，可以用简单的语句来描述所有平台的安装(编译过程)。他能够输出
面向Windows在C++中调用Pytorch模型（MNIST手写体数字识别）
11-01
以上就是使用C++调用PyTorch模型进行MNIST手写体数字识别的完整流程。这个过程中，你需要理解PyTorch模型的训练、导出以及libtorch库的使用。通过这个实践，你将能够将任意预训练的PyTorch模型集成到C++应用中，实现...
使用C++调用pytorch模型(Linux)
weixin_39450742的博客
04-25 2809
模型转换思路通常为: Pytorch -> ONNX -> TensorRT Pytorch -> ONNX -> TVM Pytorch ->转换工具-> caffe Pytorch -> torchscript(C++版本Torch) 我的模型是使用Pytorch1.0训练的,第三种方法应该是还不支持,没有对应层名字, 放弃. (以下是用方法3生成的网络结构图, 其中部分层名字和工具对应不上). 因此本文使用第4中方法,详细步骤分两步, 具体如..
c++调用pytorch训练出来的模型
YHbackkon
07-24 2178
方法一：利用pytorch的c++版本的API：libtorch 方法二：利用opencv的readNetFromTorch()，导入的模型必须是 torch.save() 方法保存的文件。且opencv此函数只能读取序列化 nn.Module 对象，例如： nn.Sequential nn.Parallel nn.Concat nn.Linear nn.SpatialConvolution nn.spatialMaxPooling, nn.SpatialAveragePooling nn.ReLU, nn
如何使用LibTorch进行C++调用pytorch模型
sq_damowang的博客
10-11 2399
LibTorch学习笔记（一） 前天由于某些原因需要利用C++调用PyTorch，于是接触到了LibTorch，配了两天最终有了一定的效果，于是记录一下。 配置环境 PyTorch1.6.0 cuda10.2 opencv4.4.0 VS2017 具体过程 下载LibTorch 去PyTorch官网下载LibTorch包，选择对应的版本，这里我选择Stable(1.6.0)，Windows，LibTorch，C++/JAVA，10.2，然后我选择release版本下载，如下图 下载完后先不用管它，之后再用
在C++环境下利用Libtorch调用pytorch模型
Fredzj的博客
06-13 1756
利用Libtorch在C++环境下调用Pytorch模型
C++中调用Pytorch模型
Afison的博客
07-16 1286
在C++中加载以使用 LibTorch（PyTorch 的 C++ API）时，需要进行一些设置，包括安装 LibTorch 库、配置编译器和链接器以找到库文件和头文件。
C++调用PyTorch模型教程
xyqqwer的博客
03-02 5228
在人工智能的世界中，PyTorch已经成为了研究人员和工程师们广泛使用的深度学习框架之一。它以其灵活性和动态计算图而闻名，非常适合快速原型设计和实验。然而，当我们想要将训练好的模型部署到生产环境中时，我们可能会倾向于使用C++这样的更高性能语言，因为它提供了更好的速度和资源管理。幸运的是，PyTorch提供了LibTorch库，使得我们可以在C++环境中加载和使用PyTorch模型。本教程将详细介绍如何在C++中调用PyTorch模型，包括环境配置、模型的导出、C++中的加载和使用等步骤。
C++调用pytorch模型
weixin_42745647的博客
06-14 723
记一次C++调用pytorch模型踩坑记录，跨语言是AI中急需解决的问题，本文采用执行python代码。
Pytorch使用c++调用模型
whaosoft143ai的博客
12-05 2244
之前说过一个c++上调用pytorch现在又反过来了~~ 其实还是仅用c代码哈 生产环境还是用这个C++推理框架ncnn为例，介绍一下部署的大致流程PyTorch模型 --> ONNX格式 --> C++推理框架其它C++推理框架的思路类似，唯一的学习成本是推理框架本身的API。简单来说，可以把ONNX当做一个中间格式。绝大多数的机器学习/深度学习框架都可以将自身的模型转换成ONNX，同样也能把ONNX转换成自身框架的格式，如下图所示。图1 不同框架的模型利用ONNX进行相互转换 ONNX官网地址：http
C++调用PyTorch模型：LibTorch
己亥谷雨
02-25 4557
转载的文章，挺不错，学习一下！ LibTorch学习笔记（一） 前天由于某些原因需要利用C++调用PyTorch，于是接触到了LibTorch，配了两天最终有了一定的效果，于是记录一下。 环境 PyTorch1.6.0 cuda10.2 opencv4.4.0 VS2017 具体过程 下载LibTorch 去PyTorch官网下载LibTorch包，选择对应的版本，这里我选择Stable(1.6.0)，Windows，LibTorch，C++/JAVA，10.2，然后我选择release版.
使用libtorch C++接口调用PyTorch训练的OCR模型示例
libtorch是PyTorch的C++版本，它将PyTorch的核心功能封装成了C++库，使得开发者能够直接在C++项目中使用PyTorch的模型训练和推断功能。libtorch的出现，使得那些需要在性能敏感或者只能使用C++的环境（如嵌入式系统...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Charmve

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值