超级会员免费看
本文介绍了如何在Ubuntu上使用C++、OpenCV和libtorch进行预训练模型的预测。首先，通过源码编译获取libtorch，避免与高版本gcc的兼容性问题。接着，测试libtorch的正确性，确保模型在Python和C++端的一致性。然后，编译OpenCV并与libtorch联合编译，实现从摄像头读取图像并进行实时预测。最后，讨论了可能出现的编译问题及解决方案，强调了环境配置和版本匹配的重要性。
c++ opencv2 libtorch 读取预训练权重并进行预测
原文：https://oldpan.me/archives/pytorch-c-libtorch-inference
本篇使用的平台为Ubuntu，Windows平台的请看Pytorch的C++端(libtorch)在Windows中的使用
距离发布Pytorch-1.0-Preview版的发布已经有两个多月，Pytorch-1.0最瞩目的功能就是生产的大力支持，推出了C++版本的生态端(FB之前已经在Detectron进行了实验)，包括C++前端和C++模型编译工具。
对于我们来说，之后如果想要部署深度学习应用的时候，只需要在Python端利用Pytorch进行训练，然后使用torch.jit导出我们训练好的模型，再利用C++端的Pytorch读取进行预测即可，当然C++端的Pytorch也是可以进行训练的。
因为我们使用的C++版的Pytorch实际上为编译好的动态链接库和头文件，官方提供已经编译好的下载包:
订阅专栏 解锁全文
扫一扫
6774
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
