libTorch部署3：常用代码解析

最新推荐文章于 2025-12-20 07:44:23 发布

原创

最新推荐文章于 2025-12-20 07:44:23 发布 · 1.5k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #pytorch #libtorch

本文档详细解析了libTorch部署过程中的关键步骤，包括Mat到Tensor的转换、Transforms变换在C++中的应用、CPU与GPU的选择以及Forward后的处理技巧，如argmax和softmax操作。针对模型输出复杂情况，提供了处理tuple的C++代码示例。

当我们用libtorch进行部署时候，往往都已经在pyTorch下进行过测试的，那么实际工作，就是把python代码翻译成C++代码，这里我把一些常用代码摘录出来做个记录。

1.Mat转Tensor

//1.读取文件
Mat img = imread(“test.jpg”);//opencv读取图片
//OpenCV读取的都是BGR格式，通常需要转成RGB的
cv::cvtColor(img , img , cv::COLOR_BGR2RGB);

//2.缩放到模型需要的输入尺寸
cv::Mat image;
cv::resize(img, image, cv::Size(256, 256));

//3.将Mat数据转为Tensor张量数据，同时增加了1维
std::vector<int64_t> sizes = {
   
    1,img.rows, image.cols,3 };
torch::TensorOptions option(torch::kByte);
torch::Tensor tensor_image = torch::from_blob(image.data, torch::IntList(sizes), option);

//4.维度换位，来满足模型的输入，就是1X256X256X3 变成 1X3X256X2