libTorch环境配置及使用

一、下载并配置libTorch

1、在pytorch官网下载libTorch;这里我选择的时最新版本的libTorch，如果想要旧版本，可以点击左下角的“Previous versions of PyTorch”下载想要的版本；

2、因为我需要用到GPU，提前安装了cuda11.1.0 和 cudnn11.1.0 ，所以这里的CUDA选项选择了11.0 ；

3、在红色矩形框处，点击链接下载Release版本或Debug版本的libTorch；

 4、我只用到了Release版本，解压；

 

5、配置环境变量

一般添加环境变量都是bin目录，但是libtorch的dll全部在lib目录；

二、libTorch在cpu下运行

1、在vs（我用的vs2017）下创建新项目，在项目中配置libtorch环境（类似配置opencv）；

2、配置“包含目录”、“库目录”、“附加依赖项”；

 

 

包含目录：

D:\3rd-Part\libtorch-1.7.0-cuda11.0-release\include;D:\3rd-Part\libtorch-1.7.0-cuda11.0-release\include\torch\csrc\api\include;$(IncludePath)

【

注意：包含目录中“D:\3rd-Part\libtorch-1.7.0-cuda11.0-release\include\torch\csrc\api\include”，是用于使用cuda相关的包含目录

】

库目录：

D:\3rd-Part\libtorch-1.7.0-cuda11.0-release\lib;$(LibraryPath)

附加依赖项：

asmjit.lib

c10.lib

c10_cuda.lib

c10d.lib

caffe2_detectron_ops_gpu.lib

caffe2_module_test_dynamic.lib

caffe2_nvrtc.lib

clog.lib

cpuinfo.lib

dnnl.lib

fbgemm.lib

gloo.lib

gloo_cuda.lib

libprotobuf.lib

libprotobuf-lite.lib

libprotoc.lib

mkldnn.lib

torch.lib

torch_cpu.lib

torch_cuda.lib

3、解决提醒std冲突问题

项目——属性（注意不是双击属性表，重新从项目——属性进入，属性表设置了不起作用）

属性->C/C++ ->常规->SDL检查->否

属性->C/C++ ->语言->符号模式->否

至此，环境变量配置完毕；

4、编写程序

#include <iostream>

#include <torch/script.h>

#include <torch/torch.h> // cuda相关函数头文件

using namespace std;

int main() {



auto t1 = torch::tensor({ 1,2,3,4,5,6,7,8,9 }).reshape({ 3,3 });

auto t2 = torch::tensor({ 1,0,2,6,1,1,5,3,2 }).reshape({ 3,3 });

auto t3 = t1.mul(t2);

std::cout << t3 << std::endl;



cout << "cuda::is_available() = " << torch::cuda::is_available() << endl;



system("pause");

return 0;

}

5、运行结果

 

可以看到，libtorch调用成功了，可以成功的使用tensor。

但是可以看到，判断cuda是否允许使用时，返回结果为0，代表不可以使用cuda，即不能使用gpu。

三、libTorch在gpu下运行

1、下载并安装cmake（>=3.0版本）；下载地址

2、如果需要使用opencv，就可以和opencv一起编译；

3、使用cmake构建好libtorch工程；

（1）配置CMakeLists

待更新。。。。。。