本文详细介绍了如何配置libtorch，并在C++中使用PyTorch模型。首先，需要安装nvidia显卡驱动、CUDA和CuDNN。接着，下载并解压libtorch，将模型通过torch.jit.trace转换为torch.jit.ScriptModule。在C++中，利用torch/script.h加载模型，并编写CMakeLists.txt文件进行编译。完成编译后，运行生成的可执行文件即可调用模型。
- 根据系统，安装nvidia显卡驱动、cuda、cudnn
下载链接：
cuda下载：https://developer.nvidia.com/cuda-downloads
cudnn下载：https://developer.nvidia.com/rdp/cudnn-archive
cudnn安装指导：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html - 下载安装libtorch (gpu)
参考: https://pytorch.org/cppdocs/installing.html
2.1 根据系统及需求选择cuda版本的libtorch
下载链接：https://pytorch.org/
命令行运行
wget https://download.pytorch.org/libtorch/cu102/libtorch-shared-with-deps-1.8.1%2Bcu102.zip
2.2 解压
命令行运行
unzip libtorch-shared-with-deps-1.8.1+cu102.zip
将解压得到的文件放到 "~/libtorch"目录
- 编写、运行c++代码
参考: https://pytorch.apachecn.org/docs/1.0/cpp_export.html
3.1 将pytorch模型转化为c++可调用的模型
运行python代码：
import torch
import torchvision
get model
model = torchvision.models.resnet18()
generate random example
example = torch.rand(1, 3,
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
