Visual Studio 2019 + libtorch(Pytorch C++库) 环境配置

Visual Studio 2019 + libtorch(Pytorch C++库) 环境配置

前言：

为了方便工程上对现有的深度学习算法进行运用部署，本文将在windows环境下进行深度学习框架libtorch（Pytorch的C++接口）配置。

一、个人环境

• Windows10 64位
• Visual Studio 2019
• Cuda 10.2
• libtorch1.10.0 GPU/CPU
• OpenCV 3.4.3

二、环境安装

1. Visual Studio 2019 的安装网上有大把教程，本文在此不再赘述。网上大多数教程为vs2017及以上才能安装Libtorch，但需要注意的是，若安装的Libtorch版本为V1.10.0及以上时，需要vs2019。

2. CMake安装

   CMake官网下载地址：https://cmake.org/download/

安装的版本需要与操作系统相匹配，如windows 64位系统则可以选则 cmake-3.8.0-rc1-win64-x64.msi，进行下载安装，安装过程非常简单，此处忽略。

3. libtorch安装

   libtorch官网下载地址：https://pytorch.org/

【注意】下载libtorch时需要选择Release还是Debug版本，并且libtorch的版本必须与Python输出的Pytorch训练模型xxx.pt相对应，否则无法进行推理。

下载解压之后文件格式如下：

4. Visual Studio 2019 配置libtorch

   本人之前在VS2017中配置libtorch时，因为VS版本太低，对新的C++标准并不支持，所以报错较多，后续通过论坛博客交流之后发现，VS2019对libtorch比较支持，且一次便配置成功，故推荐。

   根据项目需求以及个人需要来安装库，通常根据CPU和GPU来进行选择，而调试模式一般选择Release版本进行安装，这样可以减小代码编译错误以及提高代码运行效率。

1. 打开属性管理器，右键你选择的编译模式，新建属性表，这里以LibtorchRelease进行命名，当然也可以自定义。

2. VC++ 包含目录、库目录

   通用属性->VC++目录->包含目录、库目录

  包含目录：

  ```apl
  path: xxx\libtorch\include\torch\csrc\api\include
  path: xxx\libtorch\include
  path: xxx\opencv\build\include
  path: xxx\opencv\build\include\opencv
  path: xxx\opencv\build\include\opencv2
  ```

  库目录：

  ```apl
  path: xxx\libtorch\lib
  path: xxx\opencv\build\x64\vc15\lib
  ```

  将之前文件夹里的**libtorch**和**OpenCV**的头文件目录放在包含目录，库文件放在库目录下即可。

3. 链接器配置

   链接器->输入->附加依赖项

   c10.lib
   c10_cuda.lib
   torch_cpu.lib
   torch_cuda.lib
   

   至此，配置完成。

4. 测试

   新建源文件main.cpp，将如下代码

   #include "torch/torch.h"
   #include "torch/script.h"
   #include <opencv2/core/core.hpp>  
   #include <opencv2/highgui/highgui.hpp>  
   #include <iostream>
   #include <string.h>
   int main() {
   	cv::Mat img = cv::imread("C:\\Users\\admin\\Desktop\\1.png");
   	cv::imshow("show", img);
   	cv::waitKey(3000);
   	torch::Tensor tensor = torch::rand({ 2, 3 });
   	if (torch::cuda::is_available()) {
   		std::cout << "CUDA is available! Training on GPU" << std::endl;
   		auto tensor_cuda = tensor.cuda();
   		std::cout << tensor_cuda << std::endl;	
   	}
   	else
   	{
   		std::cout << "CUDA is not available! Training on CPU" << std::endl;
   		std::cout << tensor << std::endl;
   	}
   
   
   	std::cin.get();
   }
   

   OpenCV调试与Libtorch调试结果如下时，调试成功！

  ### 二、BUG处理

  1. 直接运行，输出： `“cuda::is_available(): 0”`，GPU未调用起来。

     **解决方法**：

     - 使用VS2017及以上版本；

     - windows上装的cuda版本需要与下载的libtorch的cuda版本相对应；

     - 在“属性 --> 链接器 --> 命令行 --> 其他选项”中添加

       ```apl
       /INCLUDE:?warp_size@cuda@at@@YAHXZ
       ```

  2. 关于VS2017编译时，出现不支持或者大量错误，可以使用更高级的VS（如VS2019）进行编译。

​