win10 c++通过libtorch调用yolov5模型 配置及使用

环境:

windows 10;
vs2019;
libtorch1.8.1-cuda10.2
opencv3.4.14
cmake 3.20.2

前期准备:

libtorch下载(Release版):

https://pytorch.org/get-started/locally/中寻找符合自己的版本,我的选择如下:
在这里插入图片描述
建议使用release version,debug version未实测过。
这里的pytorch版本需和训练yolov5的pytorch版本统一,如果需要其他版本的libtorch,推荐看这篇博客

我使用的版本的地址如下:
gpu:https://download.pytorch.org/libtorch/cu102/libtorch-win-shared-with-deps-1.8.1%2Bcu102.zip
cpu:https://download.pytorch.org/libtorch/cpu/libtorch-win-shared-with-deps-1.8.1%2Bcpu.zip
一般只下载gpu版即可,除非你只需在cpu上跑模型。
下载完成后解压在任意地址即可,这里假定文件在D:\libtorch中。libtorch文件夹内容如下。
目录

opencv下载:

https://opencv.org/releases/中选择自己所需版本即可。我这里选择的是3.4.14的windows版。https://sourceforge.net/projects/opencvlibrary/files/3.4.14/opencv-3.4.14-vc14_vc15.exe/download
双击执行,解压在任意地址即可,这里假定文件在D:\opencv中,文件夹内容如下。
在这里插入图片描述

cuda10.2

下载cuda10.2并安装,这类教程就很多了。安装完成后在cmd中输入nvcc -V,若能成功输入版本号即为成功。
在这里插入图片描述
下载cudnn(最新版本即可),并按教程放在cuda文件夹内。

环境变量设置

安装完成后,右键“此电脑”->“属性”->“高级系统设置”->“环境变量”。对用户变量中的Path进行修改

在这里插入图片描述
加入"D:\libtorch\lib",“D:\opencv\build\x64\vc15\

  • 2
    点赞
  • 65
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Win10 C++ libtorch调用YOLOv8的步骤如下: 1. 首先,确保你已经安装好了适用于C++libtorch。你可以从官方网站下载并按照指导进行安装。确保你选择的是与你的操作系统和编译器版本相匹配的libtorch。 2. 下载并配置YOLOv8的模型文件和权重。YOLOv8是一种目标检测算法,它使用预先训练的权重和模型来进行目标检测。你可以在网上找到YOLOv8的预训练权重和模型文件。确保你已经下载了它们并将它们存放在适当的位置。 3. 创建一个C++项目,并在项目中包含libtorch的头文件路径和库文件路径。你需要在项目属性中设置这些路径,以便编译器能够正确地找到libtorch,并将其链接到你的项目中。 4. 在你的C++代码中,包含YOLOv8和libtorch的头文件。你需要包含YOLOv8模型和权重加载的相关头文件,以及libtorch的头文件。 5. 在代码中加载YOLOv8的模型和权重。使用libtorch的加载模型函数,将YOLOv8的模型和权重文件加载到内存中。 6. 准备待检测的图像数据。将要检测的图像数据转换为libtorch中的张量格式。确保输入的图像数据与YOLOv8的模型输入尺寸一致。 7. 将图像输入模型进行推理。使用加载的YOLOv8模型对图像进行前向传递,得到目标检测结果。 8. 解析模型的输出结果。通过处理模型的输出张量,可以得到目标的位置、类别和置信度等信息。 9. 根据解析后的结果,进行目标的绘制和展示。你可以使用C++图形库或其他绘图工具来绘制检测到的目标,在图像上标注目标的位置和类别等信息。 以上步骤大致描述了在Win10平台上使用C++libtorch调用YOLOv8目标检测模型的过程。具体实现可能因实际情况而有所区别,请根据你的项目需求进行调整和完善。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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