C++ litorch 加载python训练的模型

深度学习模型一般都是用python（基于pytorch）进行训练的，下面就说一下如何用C++加载python训练的模型。

       首先在python训练完模型后，得到.pth的训练模型。然后在生成C++所需的.pt文件时，调用torch.jit.trace()函数时，给模型提供一个正常的输入（需要与模型正常的输入格式相同），在本文中输入的是一张图片， 如下：

img = cv2.imread("test.jpg")                                       #读入图像
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
inputs = img
inference(img, show_result=True, target_shape=(360, 360))          #模型测试函数

      由于模型中对输入的图片进行了处理，所以在生成.pt文件时，也应该对图片进行处理：

inputs_resized = cv2.resize(inputs, (360, 360))
inputs_np = inputs_resized / 255.0  # 归一化到0~1
inputs_exp = np.expand_dims(inputs_np, axis=0)

inputs_transposed = inputs_exp.transpose((0, 3, 1, 2))

根据自己代码中怎么处理自行修改（话说一千个读者就有一千个哈姆雷特，自己对号修改就行了）。

修改完后，开始进行生成.pt操作，调用torch.jit.trace()函数。

traced_script_module = torch.jit.trace(model, torch.tensor(inputs_transposed).float())

model时自己声明的网络模型，torch.tensor(inputs_transposed).float()时模型的输入（与测试时的输入格式相同）

可以看看调用上边生成模型后，是否有输出（注意：如果