libtorch升级

最新推荐文章于 2025-08-06 18:26:19 发布
原创 最新推荐文章于 2025-08-06 18:26:19 发布 · 348 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #pytorch #libtorch

在将libtorch从1.4更新到1.7后，遇到所有tensor方法无法使用的错误。原因是1.7版本的libtorch大小显著减小为8KB，而原本的功能被分离到名为libtorch_cpu的200M新库中。为解决此问题，需要在编译时动态链接这个新库。

最近将libtorch从1.4升级到1.7导致了所有的tensor方法都不能使用。编译报错如下：
在这里插入图片描述
这是由于1.4时libtorch为200M，但在1.7时libtorch仅为8KB。
在这里插入图片描述

而200M的却是名为libtorch_cpu的新库，在编译的动态链接库中添加这个库即可解决。

libtorch学习历程（一）：libtorch2.4.0+opencv4.10+Qt6安装
Life1213的博客
07-31 1506
安装完成后，打开Qt Creator，打开构建套件，查看编译器，可以看到Qt自动识别到的编译器。新建一个Qt的UI项目，配置pro文件，使得项目可以使用libtorch与opencv。debug版与release版的pro文件设置基本一样，只是文件名可能需要修改。选择组件时，将MSVC2019与MinGW选上，其余的看自己需要。打开构建套件，可以看到安装时选择的MSVC与MinGW。直接去官网下载即可，安装是选择C++的桌面开发即可。查看MSVC的配置，可以看到所使用的编译器。这要使用的是红框中的编译器。
WIN10+VS2019+libtorch（CPU版）配置
weixin_44279924的博客
04-27 1715
配置环境： –系统：Win10 –开发工具：VS2019 –opencv版本：3.4.14 –torch版本：1.4 –torchvision版本：0.5.0 主要步骤： –1.安装libtorch –2.python版torch权重文件生成（应用于后续实验） –3.VS中libtorch配置 第一部分：安装libtorch （1）直接上pytorch官网下载libtorch，其中libtorch尽量和环境下的torch版本一致；如下图所示，可根据自己下载的libtorch版本更改红线中版本号即可，本文主要
Libtorch各类版本下载---持续更新
qq_35275007的博客
05-10 1万+
Windows下： Libtorch 1.0.0 cpu-release:https://download.pytorch.org/libtorch/cpu/libtorch-win-shared-with-deps-1.0.0.zip cu100-release:https://download.pytorch.org/libtorch/cu100/libtorch-win-shared-with-deps-1.0.0.zip 1.0没有debug的版本，从1.1开始有 Libtorch 1..
Libtorch各版本下载
凉_白开的博客
11-14 1万+
不同的版本只需要修改最后的几个数字以及对应的CUDA的版本。不同的版本只需要修改最后的几个数字以及对应的CUDA的版本。
ubuntu配置libtorch CPU版本
qq_43309940的博客
09-24 677
在example-app文件夹下打开终端。可以打印出数组证明安装成功。
LibTorch C++ 部署深度学习模型：GPU 调用配置详解
love code, love life.
08-06 1140
摘要：本文详细介绍了在Windows平台上使用LibTorch进行C++深度学习模型部署时正确配置GPU调用的关键步骤。重点包括版本匹配（LibTorch、CUDA、显卡驱动）、cuDNN安装、环境变量设置以及Visual Studio项目配置方法。通过实测验证，即使在较旧显卡（如GTX1050Ti）上也能成功运行，并强调了版本一致性的重要性。文章还提供了历史版本下载地址和常见问题解决方案，为开发者提供实用的参考指导。
LibTorch Yolo_一个 LibTorch 版本的 Yolo 封装库.zip
09-02
模块化的设计不仅便于代码的维护和升级，而且还有助于开发者根据自身的项目需求，对代码进行适当的修改和扩展。此外，对于那些已经熟悉PyTorch环境的开发者而言，转向LibTorch Yolo的使用会相对容易许多，因为两者在...
vs2019 配置gpu 版本的libtorch
07-11
### VS2019配置GPU版本的LibTorch详解 #### 一、概述 本文将详细介绍如何在Visual Studio 2019 (VS2019)中配置GPU版本的LibTorch。LibTorch是PyTorch的一个C++前端，它提供了用于构建机器学习模型的API。配置GPU...
将libtorch yolov与跟踪算法集成_Integrate libtorch-yolov3 with tracki
最新发布
09-02
此外，系统还需要进行良好的模块化设计，以便于维护和后续升级。 将libtorch-YOLOv3与目标跟踪算法的集成，是对现有计算机视觉技术的一个重要补充，它增强了系统对于复杂场景中目标的识别和追踪能力，为实现更高...
Libtorch部署模型
startllee的博客
05-30 3864
Libtorch部署显著性目标检测网络BASNet一、环境配置二、torchscript生成.pt文件三、Libtorch部署1.添加环境变量2.VS配置环境四、BASNet demo参考链接 Libtorch 是Pytorch官方提供的C++ API，使用方法可以说是很大程度上还原了Pytorch。 一、环境配置 GitHub地址：BASNet VS2017+CUDA 10.1+cuDNN 7.6.5+OpenCV 3.4.11 Pytorch 1.5.0+torchvision 0.6.0 Libto
libtorch 模型dectypt
爱CV
07-14 419
这回v_ch也有2千万的数据了，大小也是一样的，可以torch还是报错！这个小功能花费了一天半的时间，其实我一开始的半天就搞通可以流读到load里面，然后都是在解决上面的问题，std::filebuf的那个问题还不知道哪里有问题！一般我们都是用上面这个，直接给模型路径就可以了，下面这个是流，没用过。在python强大的第三方插件库中，就有这么一个插件，很好的解决了我们的问题，这个插件的名为：cryptography。这样，正常的和不正常的都保存，然后比较两个文本，发现不正常的最后比正常的多了一个数字。
libtorch显存管理示例
a486259的博客
06-21 3572
在使用libtorch进行部署时，会面临显存不够用的情况。因此需要对显存的利用进行管理，对此研究libtorch的api，尝试进行显存管理。libtorch运行程序时，显存占用可以分为3块：模型参数占用显存、输入输出tensor占用显存、模型forword过程临时变量占用显存。使用cudaFree(tensor.data_ptr())可以释放掉tensor所占用的显存，也可以使用该函数释放掉模型参数所占用的显存。使用CUDACachingAllocator::emptyCache函数可以释放掉模型在forw
Libtorch的介绍与使用方法
weixin_43917589的博客
04-30 3万+
1.libtorch是什么 Note that LibTorch is only available for C++. 2.libtorch如何下载 libtorch的下载链接，如下图所示，libtorch有release和debug版本可以选择。 注意：最新版本的pytorch和libtorch(1.11.0)已经不支持windows系统下的CUDA10.2，如下图所示。解决方法：windows下使用CUDA11.3，或者不使用最新版本的pytorch和libtorch，1.10版本是支持windows
LibTorch的安装、配置与使用
weixin_45632168的博客
03-11 2万+
LibTorch的安装、配置与使用LibTorch的安装LibTorch的下载与环境变量的设置（1）解压压缩包（2）设置环境变量：VS2019的配置（1）设置配置管理器：（2）设置头文件路径：（3）设置链接库：测试代码 LibTorch的安装 LibTorch的下载与环境变量的设置 在这里下载： Start Locally|PyTorch. 上图中有两个下载链接，一个是release版本一个debug版本。 有C++开发经验的小伙伴应该了解如何使用这种库： （1）解压压缩包 我已经把解压文件移到我的D盘
libtorch 上线之路-学习篇
大光叔叔的专栏
12-31 5696
最近在尝试将组里几个pytorch的模型使用libtorch 做nn inference，折腾了几个周，一路踩坑，终于把整个流程都打通了。因为libtorch还比较新，网上经验性的资料还比较少，现在写下来总结一下经验，分享一下。 0 环境 python 3.6 pytorch 1.3.1 g++ 5.3.1 # 要高于4.8，否则会报释放内存的错误 CentOS Linux release 7.2...
Pytorch的C++端(libtorch)在Windows中的使用
老潘的博客
01-23 1万+
关于本文章的最新更新请查看:oldpan博客 前言 填一个之前的坑啊，本篇的姊妹篇——利用Pytorch的C++前端(libtorch)读取预训练权重并进行预测 这篇文章中已经说明了如何在Ubuntu系统中使用libtorch做预测，当初也有朋友问我如何在Windows之下尝试使用libtorch，当时因为时间关系没有去看，后来就给忘了…现在有时间了当然要尝试一下~ 当然先说结论哈，其实在Wind...
windows下 更新cuda,cudnn,torch
illcx的博客
02-26 3397
因为adamw优化器要求torch版本1.5.0以上, 而cuda10.0对应torch到1.4.0因此更新cuda,cudnn,torch cuda选11.1因为线下原因 官网链接 https://developer.nvidia.com/cuda-11.1.1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal cudnn 对照cuda选 cud
Pytorch如何更新版本与卸载，使用pip,conda更新卸载Pytorch
热门推荐
miao0967020148的专栏
05-22 24万+
今天我们主要汇总如何使用使用ubuntu,CentOS,Mac更新Pytorch和torchvision，以及如何查看当前python版本。本教程只汇集如何使用pip,conda更新以及卸载Pytorch和torchvision，希望对您有所帮助！最近Pytorch从v0.1.12更新到了v0.2/v0.3，支持了很多方法，如果大家想知道详细内容可以去Pytorch v0.2版本发布--高阶梯度，...
libtorch1.7.0配置VS2019运行出现Scalar冲突错误
qq_51993578的博客
08-22 1351
原因 由于要同时使用opencv和libtorch，而两个三方库之间的Scalar命名重复，在libtorch中并没有指定Scalar的命名空间，导致冲突。 解决方法 我的报错文件为： linalg.h init.h TensorBody.h CUDAHooksInterface.h 修改方法为： CUDAHooksInterface.h 第26行 // NB: Class must live in `at` due to limitations of Registry.h. namespace at {
jetson安装libtorch
07-24
<think>我们正在讨论在Jetson设备上安装LibTorch。由于Jetson设备基于ARM架构，我们需要下载适用于ARM的LibTorch版本。 步骤： 1. 确定Jetson设备的操作系统版本（通常是Ubuntu 18.04或20.04）和架构（aarch64）。 2. 访问PyTorch官网的LibTorch下载页面，选择适合的版本（通常是C++版本，Linux，LibTorch，aarch64）。 3. 下载LibTorch压缩包。 4. 解压缩到设备上的合适位置。 5. 设置环境变量或在CMake项目中指定LibTorch路径。 注意：由于Jetson设备是ARM架构，不能直接使用x86的预编译版本，必须选择ARM版本。 具体步骤： 1. 访问PyTorch官网的先前版本页面（因为最新版本的PyTorch可能没有提供aarch64的LibTorch，但1.8.0及之后有提供）： https://pytorch.org/get-started/previous-versions/ 2. 找到适用于Linux aarch64的LibTorch下载链接。例如，对于LibTorch 1.13.0（需要与你的JetPack版本中的CUDA版本匹配），可以选择： - 对于CUDA 11.6：https://download.pytorch.org/libtorch/cu116/libtorch-cxx11-abi-shared-with-deps-1.13.0%2Bcu116.zip - 但是注意，Jetson设备通常使用JetPack，其CUDA版本可能不同，请先确认CUDA版本（使用`nvcc --version`）。 3. 使用wget下载，例如： ```bash wget https://download.pytorch.org/libtorch/cu116/libtorch-cxx11-abi-shared-with-deps-1.13.0%2Bcu116.zip ``` 4. 解压： ```bash unzip libtorch-cxx11-abi-shared-with-deps-1.13.0%2Bcu116.zip ``` 5. 将解压后的libtorch文件夹移动到合适的位置，例如`/usr/local`，或者保留在当前项目目录中。 6. 在CMake项目中配置： 在CMakeLists.txt中添加： ```cmake cmake_minimum_required(VERSION 3.0 FATAL_ERROR) project(example) set(CMAKE_PREFIX_PATH /path/to/libtorch) # 设置LibTorch的路径 find_package(Torch REQUIRED) add_executable(example example.cpp) target_link_libraries(example "${TORCH_LIBRARIES}") set_property(TARGET example PROPERTY CXX_STANDARD 14) ``` 7. 编译运行。 注意：如果下载的是不带CUDA的版本（即CPU版本），则不需要CUDA支持。但通常Jetson设备我们希望使用GPU，因此应下载支持CUDA的版本。 另外，也可以考虑从源码编译LibTorch，但过程较为复杂。 由于网络问题，也可以考虑使用国内镜像，例如清华源。但注意PyTorch官网下载链接可能需要直接访问。 问题：如何确认CUDA版本？ 在终端输入： nvcc --version 例如，输出可能是： nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Sun_Feb_28_22:34:44_PST_2021 Cuda compilation tools, release 10.2, V10.2.300 那么就需要下载对应CUDA 10.2的LibTorch版本。 但是注意：PyTorch官方提供的预编译版本可能没有支持CUDA 10.2的最新版本，可能需要使用较旧的PyTorch版本（如1.7.1）。 因此，步骤调整为： 1. 查看CUDA版本 2. 在PyTorch先前版本页面查找对应CUDA版本的LibTorch下载链接。 例如，对于CUDA 10.2，可以下载1.7.1版本： https://download.pytorch.org/libtorch/cu102/libtorch-cxx11-abi-shared-with-deps-1.7.1%2Bcu102.zip 或者，也可以使用不带CUDA的CPU版本，但这样无法利用GPU加速。 如果找不到对应CUDA版本的预编译包，可以考虑从源码编译PyTorch（包括LibTorch），但这个过程在Jetson上可能耗时很长（几个小时）。 因此，推荐使用预编译版本。 总结步骤： 1. 确定CUDA版本：`nvcc --version` 2. 根据CUDA版本选择LibTorch版本，并下载对应的预编译包（aarch64）。 3. 解压并设置CMake路径。 注意：如果使用C++17，可能需要更新CMakeLists.txt中的C++标准。 下面是一个示例CMakeLists.txt： ```cmake cmake_minimum_required(VERSION 3.0 FATAL_ERROR) project(example) # 设置LibTorch路径，假设解压到当前目录下的libtorch set(CMAKE_PREFIX_PATH "${CMAKE_SOURCE_DIR}/libtorch") find_package(Torch REQUIRED) add_executable(example example.cpp) target_link_libraries(example "${TORCH_LIBRARIES}") set_property(TARGET example PROPERTY CXX_STANDARD 14) # 或者17 ``` 编译时，确保CMake能够找到正确的工具链（Jetson上默认是aarch64-linux-gnu）。 编译命令： mkdir build cd build cmake -DCMAKE_PREFIX_PATH=/path/to/libtorch .. make 如果遇到问题，可能需要设置OpenMP等其他依赖。 由于Jetson设备资源有限，建议在编译时关闭不必要的特性。 另外，如果下载的是共享库版本（文件名中有`shared-with-deps`），则已经包含了所有依赖（如CUDA、cuDNN等），但注意这些库可能和JetPack中已安装的版本不一致，可能导致冲突。如果出现冲突，可能需要使用静态库版本（但官方通常不提供静态库版本）或者从源码编译。 因此，另一种方法是使用PyTorch提供的Docker镜像，但这里我们讨论的是本地安装。 最后，如果遇到GLIBC版本问题，可能需要升级系统或使用与系统兼容的LibTorch版本。 综上所述，安装步骤需要根据具体的Jetson设备和JetPack版本进行调整。 相关问题： 1. 如何检查Jetson设备的CUDA版本？ 2. 如果找不到匹配的预编译LibTorch版本怎么办？ 3. 如何从源码编译LibTorch？ 4. 在CMake项目中如何指定使用GPU版本的LibTorch？ 5. 运行程序时出现找不到库的错误，如何解决？</think>### 在 Jetson 设备上安装 LibTorch 在 Jetson 设备（NVIDIA Jetson Nano/AGX Xavier/Xavier NX 等）上安装 LibTorch 需要选择 ARM 架构兼容版本，以下是详细步骤： --- #### 1. **确认系统环境** ```bash # 查看 JetPack 版本（包含 CUDA/cuDNN 信息） cat /etc/nv_tegra_release # 查看 CUDA 版本 nvcc --version # 查看架构（应为 aarch64） uname -m ``` > 📌 重要：记录 CUDA 版本（如 10.2/11.4），后续需匹配对应 LibTorch 版本。 --- #### 2. **下载 ARM 版 LibTorch** 访问 [PyTorch 官方历史版本库](https://download.pytorch.org/libtorch)，选择： - **CUDA 版本**：匹配 Jetson 的 CUDA（如 JetPack 4.6 对应 CUDA 10.2） - **OS**：Linux - **架构**：aarch64 - **包类型**：`libtorch-cxx11-abi-shared-with-deps-*.zip` 示例命令（CUDA 10.2）： ```bash wget https://download.pytorch.org/libtorch/cu102/libtorch-cxx11-abi-shared-with-deps-1.13.0%2Bcu102.zip unzip libtorch-cxx11-abi-shared-with-deps-1.13.0+cu102.zip ``` --- #### 3. **配置环境变量** ```bash # 添加 LibTorch 库路径 echo 'export LIBTORCH_HOME=/path/to/libtorch' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$LIBTORCH_HOME/lib:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` --- #### 4. **验证安装** 创建 `test.cpp`： ```cpp #include <torch/torch.h> int main() { torch::Tensor tensor = torch::rand({2, 3}); std::cout << tensor << std::endl; return 0; } ``` 编译并运行： ```bash g++ test.cpp -o test -I $LIBTORCH_HOME/include -L $LIBTORCH_HOME/lib -ltorch -lc10 ./test ``` ✅ 成功输出随机矩阵即安装成功。 --- #### 常见问题解决 - **CUDA 版本不匹配**：在 [PyTorch 历史版本页面](https://pytorch.org/get-started/previous-versions/) 查找匹配版本[^1]。 - **缺失依赖**：安装基础依赖 `sudo apt install build-essential libopenblas-dev libopenmpi-dev`。 - **GLIBC 版本过低**：升级系统或选择更旧版 LibTorch。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

得食猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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