ubuntu18.04 + QT+ libtorch + GPU安装 + C++

本文详细介绍了如何从下载资源开始,逐步在Qt环境中集成libtorch库,并通过一个简单的测试代码验证其功能。从资源下载、解压、配置.pro文件到最终的测试结果,每一步都提供了具体的操作指南。

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

本章内容:

 

1.资源下载

2.解压资源

3.libtorch库文件

4..pro文件配置

5.配置源码

6.测试结果

 

1.资源下载

torch官网:  https://pytorch.org/

一键下载:

wget https://download.pytorch.org/libtorch/cpu/libtorch-cxx11-abi-shared-with-deps-1.5.1%2Bcpu.zip

2. 解压资源

博主手动解压

3. libtorch内容

CPU版本与GPU版本所包含的文件目录一致,其中include,lib文件夹为qt所需要引用内容

4.在QT的.pro文件中引用

一下为libc10_cuda.so动态库的GPU头文件,若使用到该动态库,需要添加他的头文件库,相关路径库,以及库文件

5. 测试代码

.pro文件

QT -= gui

CONFIG += c++14 console
CONFIG -= app_bundle
DEFINES += QT_DEPRECATED_WARNINGS

SOURCES += main.cpp


INCLUDEPATH += /home/wang/cppTorch/libtorch_CPU/include/torch/csrc/api/include \
    /home/wang/cppTorch/libtorch_CPU/include
DEPENDPATH += /home/wang/cppTorch/libtorch_CPU/include/torch/csrc/api/include \
    /home/wang/cppTorch/libtorch_CPU/include


LIBS += -L/home/wang/cppTorch/libtorch_CPU/lib -lc10  \
    -lcaffe2_module_test_dynamic \
    -lcaffe2_observers \
    -lonnx -lonnx_proto \
    -ltorch_cpu -ltorch

 

main.cpp

#include "torch/script.h"
#include <iostream>

int main() {
  torch::Tensor tensor = torch::rand({2, 3});
  std::cout << tensor << std::endl;
}

6. 测试结果

 

 

 

 

 

### 下载适用于 Ubuntu 18.04LibTorch 对于 X86 平台,可以直接下载官方预编译的版本并解压后使用。针对带有 CUDA 支持的 GPU 版本,推荐下载特定于所需 CUDA 版本的文件[^1]。 #### 获取 LibTorch C++ GPU 版本 (CUDA 10.0) 由于当前需求为 CUDA 10.0 版本,在此提供对应链接: - [LibTorch 1.3.1 with CUDA 10.0](https://download.pytorch.org/libtorch/cu100/libtorch-cxx11-abi-shared-with-deps-1.3.1%2Bcu100.zip) 下载完成后,通过命令行执行如下指令来解压缩文件: ```bash unzip libtorch-cxx11-abi-shared-with-deps-1.3.1+cu100.zip -d ~/libtorch ``` 这会将 `libtorch` 文件夹创建在用户的主目录下,并包含所有必要的共享库和头文件以便立即用于开发环境配置中。 #### 配置项目以使用 LibTorch 为了使新下载的 LibTorch 库能够在基于 Qt 或其他构建系统的项目里被识别到,需设置相应的路径变量。例如,在 qmake 中可以这样指定 include 和 library 路径[^3]: ```qmake INCLUDEPATH += /path/to/libtorch/include \ /path/to/libtorch/include/torch/csrc/api/include DEPENDPATH += /path/to/libtorch/include \ /path/to/libtorch/include/torch/csrc/api/include LIBS += -L/path/to/libtorch/lib -ltorch -lc10 ``` 请注意替换 `/path/to/libtorch` 为你实际解压后的路径位置。 #### 安装额外依赖项 除了上述操作外,可能还需要安装一些基础工具链和其他依赖包以支持完整的功能集。可以通过下面这些 APT 命令完成基本软件包的获取[^2]: ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config \ libavcodec-dev libavformat-dev libswscale-dev python-dev python-numpy \ libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev ``` 以上步骤涵盖了从准备环境到最后集成 LibTorch 到项目的整个流程。如果打算升级至更高版本的 CUDA 如 11.0,则应按照相应文档指导先行部署兼容版本的 NVIDIA 显卡驱动程序以及 cuDNN SDK 后再考虑更新 PyTorch/LibTorch 至匹配版本[^5]。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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