libtorch gpu vs2017环境配置

已于 2022-05-18 14:49:24 修改
阅读量1.2k 收藏 2
点赞数
分类专栏： 机器视觉 文章标签： gnu mariadb vue.js
于 2022-02-28 19:40:25 首次发布
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。
本文链接：https://blog.youkuaiyun.com/huangli19870217/article/details/123190110
版权
该博客详细介绍了如何在Visual Studio 2017中配置项目属性，以便正确链接和使用libtorch库。步骤包括在附加包含目录、附加库目录、附加依赖项和链接器命令行中添加相应的libtorch路径和文件。这使得开发者能够在C++项目中利用libtorch进行深度学习计算。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、vs2017配置

  1. 右击解决方案-->属性-->C/C++-->常规-->附加包含目录，如图，添加libtorch下的两个文件夹

  2. 右击解决方案-->属性-->链接器-->常规-->附加目录项，添加lib路径

  3. 右击解决方案-->属性-->链接器-->输入-->附加依赖项

    c10.lib
    c10_cuda.lib
    torch_cpu.lib
    torch_cuda.lib
    torch_cuda_cu.lib
    torch_cuda_cpp.lib
  4. 右击解决方案-->属性-->链接器-->命令行   
  5. -INCLUDE:?warp_size@cuda@at@@YAHXZ 这一项十分重要
  6. 右击解决方案-->属性-->链接器-->输入-->附加选项 
  7. /INCLUDE:?warp_size@cuda@at@@YAHXZ 
vs2017配置libtorch
weixin_38688399的博客
04-08 1781
vs2017配置libtorch配置libtorch下载libtorch配置libtorch环境变量配置VS2017环境所踩过的坑发现上面程序编译了输出一大堆warning，但不报错，然而还是生成失败。编译完了，无法运行，找不到XXX.dll文件。有未经处理的异常：Microsoft C++异常：c10::Error，位于内存位置xxx处 配置libtorch 配置libtorch有两个方法，一是直接在vs2017上配置不用CMAKE，二是用CMAKE编译（该方法我踩坑失败，最后转为方法一成功），下面介绍方
Win10下Visual Studio 2017+OpenCV 3.4.0环境搭建过程
热门推荐
BeautyJingJing的博客
01-25 1万+
一、OpenCV 3.4.0下载安装        官方下载地址，找到window版本下载      下载完成后，得到安装包  双击安装  单击Extract  其实就是一个解压的过程，安装完成后存在两个目录：build和source。Build目录下主要存放了相关的库文件，也就是OpenCv的主体部分。Source目录下主要存放了一些帮助文档和官方提供的
libtorch_vs2017_v141_win_shared_with_deps_1.5.0.zip
05-09
libtorch的vs2017 64位 release 的C++开发包,平台集v141。include配置【libtorch\include ；libtorch\include\torch\csrc\api\include】；lib配置【libtorch\lib ； caffe2_detectron_ops.lib、caffe2_module_test_dynamic.lib、torch.lib、torch_cpu.lib、c10.lib、fbgemm.lib、cpuinfo.lib、clog.lib、libprotoc.lib、libprotobuf.lib、mkldnn.lib、libprotobuf-lite.lib、asmjit.lib】；属性->C/C++ ->常规->SDL检查->否；属性->C/C++ ->语言->符号(合)模式->否； 测试例程： #include #include struct Net : torch::nn::Module { Net(int64_t N, int64_t M) { W = register_parameter("W", torch::randn({ N, M })); b = register_parameter("b", torch::randn(M)); } torch::Tensor forward(torch::Tensor input) { return torch::addmm(b, input, W); } torch::Tensor W, b; }; int main() { std::cout << "Hello World!\n"; torch::Tensor tensor = torch::eye(3);// torch::eye(3); std::cout << tensor << std::endl; Net net(4, 5); for (const auto&amp; p : net.parameters()) { std::cout << p << std::endl; } system("PAUSE"); }
Visual Studio 2017环境配置与C#程序开发入门
最新发布
weixin_33622085的博客
03-24 356
本文介绍了Visual Studio 2017开发环境的基本设置与使用，特别是针对C#开发者的界面布局和工具窗口。文章首先强调了初学者在设置Visual Studio时应选择Visual C#选项的重要性，以确保环境配置与书中描述一致。随后，详细阐述了Visual Studio的主要功能窗口，包括解决方案资源管理器、属性窗口和错误列表窗口等，并指导如何创建和运行一个简单的控制台应用程序。文章最后说明了不同开发者设置对程序输出界面的影响，并建议读者按照Visual C#开发者设置进行，以获得一致的开发体验。
VS2017 C++调用torch模型——libtorch
weixin_44220689的博客
03-04 5107
想要实现C++调运python文件，需要一个工具包libtorch。本文只是简单记录一下我个人的操作过程，之前一直使用python+torch，现在试试配置一下C++的环境吧，好在不算麻烦，比较顺利的成功了。
VS2017配置libtorch
程序猿的视界
02-06 1675
1、opencv、libtorch在官网下载解压后，在环境变量中添加bin路径 2、cuda10.1及对应的cudnn安装，安装路径可以自己设定，一般安装后，系统会为其添加环境变量 如果是默认路径下的安装，需要将解压后的cudnn放置在如下位置，并在环境变量中添加其目录下的bin路径。 3、cmake编译过程中出现问题 ①Imported target "torch" includes non-existent path"C:/Program Files/NVIDIA Corporation..
vs+libtorch（环境配置以及部署），包含batch推理，FP16推理
07-22
《VS + LibTorch环境配置与部署：Batch推理与FP16推理详解》 LibTorch，作为PyTorch的C++版本，为深度学习模型的部署提供了强大的支持。本篇将详细介绍如何在Visual Studio（VS）环境中配置和部署LibTorch，包括...
win10 VS2019上libtorch库配置过程
weixin_43339605的博客
01-06 1140
本篇讲述了如何获取、配置libtorch库的过程，分享配置过程中遇到的问题及解决办法。
环境配置-VS2019配置libtorch
05-19
编译并运行此代码，如果输出没有错误，并且能看到随机生成的张量，那么恭喜你，libtorch已经在你的VS2019环境中成功配置了。 总之，配置VS2019以支持libtorch涉及到下载库文件，设置头文件和库文件路径，添加依赖...
在clion上配置libtorch开发环境的图文详解
01-21
按照pytorch官网给的教程，在ubuntu下配置libtorch环境，如上图，需要创建一个build文件夹，然后cmake时不是简单地cmake .. 而是有一个参数-DCMAKE_…… 之后才是..， 而在ubuntu下使用CLion进行编程时，CLion对每...
windows下VS2017+libtorch GPU的配置
weixin_41977938的博客
12-17 2474
（1）属性-VC++目录 包含目录： 用到的opencv和libtorch的include目录 库目录： （2）链接器》输入》附加依赖项 c10.lib c10_cuda.lib torch_cpu.lib torch.lib torch_cuda.lib opencv_world440.lib cublas.lib cuda.lib cudadevrt.lib cudart.lib cudart_static.lib OpenCL.lib （3）链接器》所有选项》附加选项 ...
（自记录）配置libtorch GPU VS2019,添加的lib依赖
weixin_42582355的博客
10-20 642
torch.lib torch_cuda.lib caffe2_detectron_ops_gpu.lib caffe2_module_test_dynamic.lib torch_cpu.lib c10_cuda.lib caffe2_nvrtc.lib mkldnn.lib c10.lib dnnl.lib libprotoc.lib libprotobuf.lib libprotobuf-lite.lib fbgemm.lib asmjit.lib cpuinfo.lib clog.lib
【libtorch模型部署】VS2017中部署libtorch模型
shanhedian2013的博客
09-29 448
用libtorch部署pytorch模型，而不是用tensorrt等工具部署模型的优势在于：pytorch和libtorch同属一个生态，API语句比较接近，并且不会出现某网络层不支持的问题。理论上只要是pytorch训练的模型都能用libtorch部署，因为他们共用相同的c++代码。具体的部署流程如下：1.模型训练：首先使用PyTorch对模型进行训练，得到一个可以使用的模型。2.模型保存：训练好的模型需要保存为TorchScript模型，这是一个可以被TorchScript解释器执行的模型。
Win10 vs2017配置Libtorch和opencv
Kigha的博客
10-14 1068
win10+vs2017配置Libtorch和OpenCV
VS2017 部署libtorch 新手入门教程
weixin_44548693的博客
08-05 2070
分两步走 安装libtorch 并用VS2017运行Helloworld 下载libtorch https://pytorch.org/get-started/locally/ 注意CUDA版本 最好下载Debug版 解压到任意位置 解压路径尽量保持全英文 新建一个VS2017 控制台项目 进行项目属性设置 调试 PATH=F:\libtorch\lib;%PATH% C/C++ 常规： 附加包含目录 F:\libtorch\include;F:\libtorch\include\torch\csrc
VS2017+libtorch1.13(CPU、GPU)版+opencv4.5.5环境配置
qq_50857357的博客
11-10 2779
介绍 C++ 的 pytorch 接口 libtorch1.13.0 GPU版本以及CPU版本的下载安装和环境配置，还介绍了opencv4.5.5版本的下载安装和环境配置。
libtorch 配置 vs2017 过程记录，完美运行，不用cmake
weixin_41449637的博客
02-19 337
预备条件： win10安装好vs2017,配置好opencv,cuda10.2 下载libtorch, win10,libtorch,cuda10.2,debug版本，本次下载libtorch1.6版本，该版本要低于或等于pytorch的版本 https://pytorch.org/将https://download.pytorch.org/libtorch/cu102/libtorch-win-shared-with-deps-1.7.1.zip ->https://download...
GPU VS CPU视屏
u011324590的专栏
02-22 857
很形象很有意思的GPU与CPU对比视屏，链接http://v.youku.com/v_show/id_XNjY3MTY4NjAw.html
libtorch c++部署-使用GPU
Try_再努力一点
08-04 1231
环境搭建：https://blog.csdn.net/weixin_34910922/article/details/109344356 1、引用关系 以vs下libtorch引用CUDA为例： 包含目录： libtorch_dir/include libtorch_dir/include/torch/csrc/api/include 库目录： libtorch_dir/lib 动态库： c10.lib c10_cuda.lib torch_cpu.lib torch_cuda.lib 测试代..
libtorch gpu
03-21
### 启用或使用LibTorch中的GPU支持 要在LibTorch中启用或使用GPU支持，需要确保CUDA工具包已正确安装并配置环境变量[^1]。此外，在C++代码中需验证设备可用性和设置张量计算的设备。 以下是具体实现方法： #### 验证CUDA兼容性 在编译环境中确认CUDA版本与PyTorch版本匹配。例如，如果使用的是PyTorch 2.x，则应安装对应的CUDA Toolkit更新版（如CUDA 12.6 Update 2）。这可以通过以下命令完成： ```bash nvcc --version ``` #### 设置LibTorch项目以利用GPU 在编写基于LibTorch的应用程序时，可以按照如下方式检测和分配GPU资源： 1. **检查是否有可用的GPU** 使用`torch::cuda::is_available()`函数来判断当前系统是否支持CUDA加速。 ```cpp bool is_cuda_enabled = torch::cuda::is_available(); std::cout << (is_cuda_enabled ? "CUDA enabled!" : "No CUDA available.") << std::endl; ``` 2. **获取GPU数量及名称** 如果存在多个GPU，可通过调用API枚举它们的信息。 ```cpp int num_gpus = torch::cuda::device_count(); std::vector<std::string> gpu_names(num_gpus); for(int i=0; i<num_gpus; ++i){ gpu_names[i] = torch::cuda::get_device_name(i); } std::cout << "Number of GPUs: " << num_gpus << "\nDevice names:" << std::endl; for(auto&amp; name : gpu_names){ std::cout << "- " << name << std::endl; } ``` 3. **指定默认设备** 将模型加载至特定的GPU上运行，通常通过`.to(device)`操作符切换执行上下文。 ```cpp auto device = torch::device(is_cuda_enabled ? at::kCUDA : at::kCPU); tensor.to(device); model->to(device); ``` 4. **数据传输优化** 对于大规模矩阵运算场景下，可考虑重叠主机到设备的数据拷贝过程以提高效率[^2]。此技术涉及异步流管理以及事件同步机制。 5. **跨平台注意事项** 当目标硬件来自不同厂商比如AMD Radeon系列显卡时，可能还需要额外引入ROCm框架及其配套库文件[^3]。 以上步骤能够帮助开发者成功集成LibTorch与本地图形处理器协同工作。
评论 1
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
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