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】

本文介绍了如何使用Libtorch,PyTorch的C++版本,进行模型部署。首先,将用PyTorch训练好的模型保存为.pt格式,然后在C++工程中利用Libtorch加载该模型,实现低延迟的模型应用。文中提到了Libtorch相较于其他部署方式的便利性,并给出了相关学习资源。
摘要由CSDN通过智能技术生成

pytorch是一个强大的机器学习库,其中集成了很多方法,但从python本身角度讲,它的速度还不够快。用pytorch官网的话说:

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++。

打ACM的时候,也是用C++写一些比较恶心的算法居多,于是我也大胆地尝试了用C++加载pytorch模型。

libtorch官网教程:libtorch官网教程

Q : Libtorch是什么及为什么用Libtorch?
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!

评论 1
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