dddccc1234的专栏

pytorch模型转为onnx，然后采用c++调用进行推理，用于工程化。

让B表的每条数据在A表里面查询，满足条件就插入到A表。采用append方法。def insert_record(): df = pd.read_csv('A.csv', header=0, low_memory=False) dflp = pd.read_csv('B.csv', header=0, low_memory=False) for i in range(len(dflp)): result = df.loc[df['id_2'] == dflp.i.

搜索了好多方法，搞了很久，demo都编译不过，各种一堆错误，后来还是找到官网搞定的。https://pytorch.org/cppdocs/installing.html1 下载libtorch2 解压之后变成libtorch文件夹3 新建example-app 文件夹和libtorch文件夹同级，如上图。4 在example-app文件夹下面新建CMakeLists.txt 和example-app.cppCMakeLists.txt 文件内容：cmake_mi..

1安装：sudo apt-get install libeigen3-dev2 调整，默认安装路径是：/usr/include/eigen3 cd /usr/include/eigen3Series:/usr/include/eigen3$      lsEigen  signature_of_eigen3_matrix_library  unsupported  需要执行复制

caffe  windows  都能编译通过，运行出错：unknown layer type: convolution解决办法：使用库依赖项输入   设置为true     因为使用了静态库。