libtorch学习历程（1）环境搭建：VS+libtorch

1. 开发环境

• Win11
• VS 2022 Community
• RTX4060
• pytorch 2.4.0+cu121（事先安装好）
• libtorch 2.4.0+cu121 release版
• opencv 4.10.0

2.软件下载

2.1 VS

直接去官网下载即可，最好是2017版本之后，需要选择C++的桌面开发。

2.1 opencv

下载链接
直接去官网下载即可，版本最好是4.5之后的。安装目录不能包含英文。

2.2 libtorch

libtorch使用所需要的环境和训练最好保持一致，其中cuda，显卡驱动以及libtorch版本配置一般不应低于训练环境。尤其是libtorch版本要求更为严格，否则部分pytorch的api无法在libtorch中使用。最好pytorch与libtorch的版本是一样的。

下载链接
本文中以libtorch2.4为例介绍，读者最新版2.4.0使用，亲测可用。下载时以release版本为佳，避免一些不必要的错误。

下载会得到一个压缩包，然后解压

3. VS项目环境配置

新建一个控制台项目

编译环境

使用 Release 与 x64。
注意这步要先做，否则后面配置项目环境时可能会配置了Debug的，导致白费功夫。

配置项目环境

include

① 右键点击项目，打开属性


② 选择VC++目录，编辑包含目录，增加以下语句：

您的libtorch地址\libtorch\include\torch\csrc\api\include
您的libtorch地址\libtorch\include
你的opencv地址\opencv\build\include

lib

选择VC++目录，编辑库目录，添加以下语句：

你的libtorch位置\libtorch\lib
你的opencv位置\build\x64\vc16\lib

其中VS2022对应着vc16，而其他版本的对应关系查看链接

link

点击链接器->输入->附加依赖项，添加 （你的libtorch位置\libtorch\lib） 这个地址下的所有lib文件名。

此外还需添加opencv的.lib文件，地址：你的opencv位置\build\x64\vc16\lib

将各个文件名都添加。

dll

有两种方法：
① 拷贝opencv和libtorch中的dll文件到项目的执行目录中，在项目编译后执行时报错缺啥拷贝啥。

② 将opencv和libtorch中的dll路径配置到VS项目中：
地址：

你的libtorch位置\libtorch\lib
你的opencv位置\build\x64\vc16\lib

方法：配置方法

4. 测试

4.1 使用pytorch生成分类模型。

以ResNet34分类模型为例尝试部署分类模型。准备一张图片用以判断是否部署成功，本文用例图如下

接下来先和官网类似生成torchscript模型，亦即本文中的pt文件。本文使用代码如下：

from torchvision.models import resnet34
import torch.nn.functional as F
import torch.nn as nn
import torch
import cv2

#读取一张图片，并转换成[1,3,224,224]的float张量并归一化
image = cv2.imread("flower.jpg")# 可以改为自己的地址
image = cv2.resize(image,(224,224))
input_tensor = torch.tensor(image).permute(2,0,1).unsqueeze(0).float()/225.0

#定义并加载resnet34模型在imagenet预训练的权重
model = resnet34(pretrained=True)
model.eval()
#查看模型预测该付图的结果
output = model(input_tensor)
output = F.softmax(output,1)
print("模型预测结果为第{}类，置信度为{}".format(torch.argmax(output),output.max()))

#生成pt模型，按照官网来即可
model=model.to(torch.device("cpu"))
model.eval()
var=torch.ones((1,3,224,224))
traced_script_module = torch.jit.trace(model, var)
traced_script_module.save("resnet34.pt")

输出结果为：

模型预测结果为第723类，置信度为0.5916505455970764

代码运行结束即可生成.pt文件。

4.2 VS

#include<opencv2/opencv.hpp>
#include <torch/torch.h>
#include <torch/script.h> 

int main()
{
	//定义使用cuda
	auto device = torch::Device(torch::kCUDA,0);
	//读取图片
	auto image = cv::imread("你的地址\\flower.jpg");
	//缩放至指定大小
	cv::resize(image, image, cv::Size(224, 224));
	//转成张量
	auto input_tensor = torch::from_blob(image.data, { image.rows, image.cols, 3 }, torch::kByte).permute({ 2, 0, 1 }).unsqueeze(0).to(torch::kFloat32) / 225.0;
	//加载模型
	auto model = torch::jit::load("你的地址\\resnet34.pt");
	model.to(device);
	model.eval();
	//前向传播
	auto output = model.forward({input_tensor.to(device)}).toTensor();
	output = torch::softmax(output, 1);
	std::cout << "模型预测结果为第" << torch::argmax(output) << "类，置信度为" << output.max() << std::endl;
	return 0;
}

编译执行，代码的输出结果为：

模型预测结果为第723
[ CUDALongType{} ]类，置信度为0.591652
[ CUDAFloatType{} ]

5 报错处理

错误1：无法使用GPU、model.eval()无法执行

处理方法

错误2：需要编译器标志"/std:c++17"

打开属性页，设置C++语音标准为C++ 17