源码编译torch

Ubuntu16.04源码编译PyTorch与Torchvision
最新推荐文章于 2025-07-25 08:25:54 发布
最新推荐文章于 2025-07-25 08:25:54 发布
阅读量5.3k 收藏 4
点赞数
CC 4.0 BY-SA版权
分类专栏： pytorch知识宝典
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/jacke121/article/details/80710979
本文记录了在Ubuntu16.04上因网络问题无法通过conda和pip安装PyTorch和Torchvision后，采用源码编译的详细步骤。包括PyTorch和Torchvision的源码安装，以及在Windows环境下编译PyTorch的注意事项和安装流程。

最近在研究pytorch，但是呢，在安装的时候遇到不少麻烦，特此坐下记录。

在ubantu16.04下安装pytorch和Torchvision（conda,pip 均失败后采用源码安装）

因为网络原因（墙），用官网的安装办法根本无法安装pytorch，无奈去github看到了源码安装。话不多说，开始安装吧

了解本专栏 订阅专栏 解锁全文 超级会员免费看
ubuntu20编译PyTorch 源码
数字人生
12-24 521
1. 安装anaconda2. 安装依赖3. 取源码4. 编译5. 查看版本。
pytorch最新版源码编译，支持CUDA、cuDNN，干货满满，亲测有效
人工智能
04-24 2000
pytorch的源码在github上，网址如下：https://github.com/pytorch/pytorchhttps://github.com/pytorch/pytorch安装cuda版本的需要CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-downloads 安装了上面两步后，会自动安装nvcc。12.04 - How do I set up ccache? - A
编译pytorch源码
onion_rain的博客
07-03 1863
编译pytorch源码 clone pytorch源码： (base) xueruini@nico2:~/onion_rain/pytorch/code$ git clone --recursive https://github.com/pytorch/pytorch Cloning into 'pytorch'... remote: Enumerating objects: 37, done. remote: Counting objects: 100% (37/37), done. ... Resolv
python3.7编译 pytorch1.9 torch-1.9
04-21
pytorch1.9 python3.7 因为编译太过耗时 将编译出的包发出来备份分享
快速上手LibTorch：5步轻松配置指南
最新发布
keny-大成的博客
07-25 1158
本文详细介绍了在C++中使用LibTorch（PyTorch C++前端）进行深度学习开发的完整流程，包括环境配置、基础操作和高级应用。内容涵盖：1. LibTorch开发环境搭建，从软件安装到CMake配置；2. 核心功能实现，包括张量操作、模型加载、自定义模块和GPU加速；3. 图形处理应用，如图像分类、风格迁移、目标检测等20多种计算机视觉任务；4. 实用开发技巧，包含数据加载、模型训练、性能优化和部署方案。文章提供了丰富的代码示例，特别适合需要在C++环境中实现PyTorch功能的开发者参考。
Could not find TensorRT(missing: CUDA_CUBLAS_LIBRARIES)
P0ny的博客
12-12 4749
编译TensorRT相关项目， 报如题的错误 解决办法升级cmake到3.14.5， wget https://cmake.org/files/v3.14/cmake-3.14.5.tar.gz tar -zxvf cmake-3.14.5.tar.gz cd cmake-3.14.5 ./configure make sudo make install cmake -version ...
【pytorch源码分析--torch执行流程与编译原理】
xzpdxz的博客
11-06 4489
aten: A Tensor Library的缩写。与Tensor相关的内容都放在这个目录下。如Tensor的定义、存储、Tensor间的操作（即算子/OP）等可以看到在aten/src/Aten目录下，算子实现都在native/目录中。其中有CPU的算子实现，以及CUDA的算子实现（cuda/）等torch: 即PyTorch的前端代码。我们用户在import torch时实际引入的是这个目录。其中包括前端的Python文件，也包括高性能的c++底层实现（csrc/）。
2024 最新PyTorch源码编译流程和踩坑记录，PyTorch build from source
qq_36755743的博客
03-20 8017
2024 最新PyTorch源码编译流程和踩坑记录，PyTorch build from source
pytorch源码编译，支持cuda cuDnn ，深度学习 之 源码编译
u013250861的博客
06-02 1126
安装了上面两步后，会自动安装nvcc。
pytorch 源码编译安装
优快云_ten的博客
09-02 4396
linux pytorch 源码编译
pytorch源码编译安装
xyz3120的专栏
05-06 770
安装conda环境，python 3.8以上，gcc支持9.4以上。DEBUG=1是编译debug版本。
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& p : net.parameters()) { std::cout << p << std::endl; } system("PAUSE"); }
【编译系列】Torch.compile()流程解析——3. AOTAutograd
StarCap的博客
11-30 1538
在上一节TorchDynamo的介绍中，我们解析了torch.compile()是如何捕获计算图并保存为GraphModule的，但在这个过程中只是对整个Python字节码进行了模拟执行、解析并构建FX Graph，相当于只是初步构建了前向计算图，没有捕获训练场景下的反向计算图。
PyTorch源码编译、VSCode----python/C++ Debug 调试 Pytorch源码
u013250861的博客
06-02 1104
注意：在window的git bash中下载的源码拷贝到Linux中会出错。可以在wsl的linux系统中git clone相应源码。
ubuntu16 pytorch 源码编译安装教程
醉意流年go的博客
10-03 3322
最近想玩一下pytorch框架，就在ubuntu16上安装了一下pytorch，安装官网给的安装教程，会出现httpError错误，建议从源码编译安装。 1、安装anaconda3（Python3.5）,这个就不介绍了 从github（https://github.com/pytorch）上下载两个文件，如下图 3、利用conda install libgcc, 避免出现fr
torch和lua学习常见问题（重点是nn模块编译和torch编译）
u013548568的博客
03-19 2821
1、点号和冒号在函数调用上的区别 http://blog.youkuaiyun.com/wangbin_jxust/article/details/12170233，根据这篇博客的描述，可以发现冒号只是省略了传递的第一个参数self的作用，对于点号需要具体的去传递一个对象的实参，下面做一个实验，用torch x = torch.Tensor(5):zero() 这个时候输出长度为5的全部为0的Ten...
Tx2编译torch及libtorch
weixin_44993178的博客
07-05 2787
torch编译 适用于TX2 JetPack4.2，系统内置Ubuntu版本18.04，GCC版本7.4.0，CUDA版本10.0，cudNN版本7.3.1，OpenCV版本3.3.1 pytorchV1.1.0 python2.7 wget https://nvidia.box.com/shared/static/o8teczquxgul2vjukwd4p77c6869xmri.whl -O ...
【编译系列】Torch.compile()流程解析——2. TorchDynamo
StarCap的博客
11-27 1519
在上一篇【编译系列】Torch.compile()流程解析——1. torch.compile介绍，我们解释了torch.compile出现的背景并初步了解了其使用和基础组成(感兴趣的小伙伴可以去翻一翻哦~~~)。本章我们将解释四个基础组件中的TorchDynamo。
从源码编译libtorch
03-15
<think>好的，我需要帮助用户了解如何从源码编译LibTorch。根据用户提供的引用资料，我需要综合这些信息，并整理出一个清晰的步骤指南。 首先，用户提到了引用3中的内容，其中提到在Ubuntu 22.04 LTS上源码编译安装PyTorch的步骤，包括克隆特定版本的源码。这可能涉及到下载PyTorch的特定版本，比如v1.13.1。另外，引用4提到使用build_libtorch.py脚本来构建libtorch，这可能是一个关键步骤。 接下来，引用2提到可以下载预编译的libtorch版本，但如果用户需要支持C++11或特定功能，可能需要自己编译。引用1则强调了LibTorch的依赖项和CMake的重要性，但用户的问题是关于源码编译，所以需要关注如何配置和构建。 我需要确保步骤包括以下部分： 1. 环境准备：安装必要的依赖项，如CMake、Python、CUDA等。 2. 获取源码：克隆PyTorch仓库并切换到指定版本的分支。 3. 配置构建选项：比如是否启用CUDA，是否仅构建libtorch等。 4. 执行构建命令：使用工具脚本或直接调用CMake。 5. 安装和验证：确保编译后的库正确安装并能被使用。 需要注意的是，用户提供的引用4提到使用build_libtorch.py脚本，这可能是一个内部工具，但用户可能需要更通用的方法。此外，源码编译可能需要处理依赖项，如引用3中提到的依赖安装步骤。 可能的问题包括依赖项缺失、版本冲突、构建选项配置错误等，所以需要提醒用户注意这些点，并参考官方文档。同时，要区分是仅构建libtorch还是整个PyTorch，引用4的方法可能仅构建libtorch，而引用3的方法可能构建整个PyTorch但包含libtorch。 综合这些信息，我需要分步骤写出详细的编译流程，确保用户能按照步骤操作，并正确引用提供的资料。同时，生成的相关问题需要围绕编译可能遇到的挑战、优化编译速度、验证安装等展开。</think>### 如何从源码编译 LibTorch 以下是基于 PyTorch 官方文档和引用资料的 LibTorch 源码编译步骤： --- #### **1. 环境准备** - **系统要求**：Ubuntu 22.04 LTS 或其他支持 C++17 的 Linux 发行版[^3]。 - **安装依赖项**： ```bash sudo apt-get install cmake ninja-build git python3-pip libopenblas-dev libopenmpi-dev libjpeg-dev libpng-dev ``` - **Python 依赖**（用于配置脚本）： ```bash pip3 install -r requirements.txt ``` --- #### **2. 获取 PyTorch 源码** 克隆 PyTorch 仓库并切换到指定版本分支（例如 v1.13.1）： ```bash git clone -b v1.13.1 https://github.com/pytorch/pytorch.git cd pytorch git submodule sync git submodule update --init --recursive ``` [^3] --- #### **3. 配置构建选项** - **仅编译 LibTorch**（不包含 Python 绑定）： ```bash python3 tools/build_libtorch.py ``` 此脚本会自动配置 CMake 参数，生成 LibTorch 的动态库和头文件[^4]。 - **自定义选项**（可选）： - 启用 CUDA 支持：添加 `USE_CUDA=1` - 指定安装路径：`CMAKE_INSTALL_PREFIX=/path/to/libtorch` --- #### **4. 执行编译** - 使用 Ninja 加速编译： ```bash cd build cmake -GNinja .. # 根据需求添加参数（如 -DUSE_CUDA=ON） ninja ``` 编译完成后，LibTorch 会生成在 `build/lib` 目录下[^1][^4]。 --- #### **5. 验证安装** 创建测试程序 `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 -std=c++14 -I/path/to/libtorch/include -L/path/to/libtorch/lib -ltorch -lc10 export LD_LIBRARY_PATH=/path/to/libtorch/lib:$LD_LIBRARY_PATH ./a.out ``` 若输出随机矩阵，则编译成功。 --- #### **注意事项** - **版本兼容性**：确保 PyTorch 源码版本与 LibTorch 的 C++ API 兼容[^2]。 - **依赖冲突**：若遇到 CXX11 错误，需更新编译器（如 g++ 9+）[^2]。 - **加速编译**：使用 `-j$(nproc)` 参数并行编译（例如 `ninja -j8`）。 --- ###
评论
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

AI算法网奇

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