Pytorch libtorch(Visual Studio 2015) 部署经历(一)

本文详细介绍了如何使用libtorch在C++环境中搭建PyTorch开发环境,包括下载libtorch、创建并配置C++项目、解决依赖问题等关键步骤。

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

一、下载libtorch

二、在任意位置新建1个文件夹,并在文件夹新建2个文件

       

  • example-app.cpp
#include <torch/torch.h>
#include <iostream>

int main() {
  torch::Tensor tensor = torch::rand({2, 3});
  std::cout << tensor << std::endl;
}
  • CMakeLists.txt
cmake_minimum_required(VERSION 3.0 FATAL_ERROR)
project(example-app)

find_package(Torch REQUIRED)

add_executable(example-app example-app.cpp)
target_link_libraries(example-app "${TORCH_LIBRARIES}")
set_property(TARGET example-app PROPERTY CXX_STANDARD 11)

三、在example-app文件夹新建一个build文件夹,

在cmake中设置source code与build路径

点击configure,选择VS2015 X64版本,这时会报错,由于libtorch的地址没有传入,此时保持Cmake GUI开启,在build文件夹中运行如下命令行(注意:后面有两个点)

cmake -DCMAKE_PREFIX_PATH=libtorch绝对地址 ..

没有错误的话,就说明成功了。

– Found torch: F:/libtorch/lib/torch.lib
– Configuring done
– Generating done
– Build files have been written to: C:/Desktop/pytorch_test/build

直接运行生成的vs解决方案,就可以正常运行了。

若缺少DLL文件,将libtorch/lib文件夹中相关的文件拷贝到Debug/Release文件夹再次运行即可。

### 配置 PyTorch 环境于 Visual Studio 为了在 Visual Studio 中成功配置 PyTorch 开发环境,可以按照以下方法操作: #### 安装必要的工具和库 确保已安装 Visual Studio 的 Community 版本[^1]。此版本足以满足大多数开发需求。 对于 PyTorch 的支持,通常需要通过 Python 和 libtorch 来实现 C++ 接口的支持。如果目标是在 Visual Studio 中使用 PyTorch 进行深度学习模型训练,则需完成如下步骤: 1. **Python 环境准备** - 使用官方推荐的 Python 版本 (如 Python 3.7)[^2] 或更高版本。 - 建议创建虚拟环境来隔离依赖项: ```bash python -m venv pytorch_env source pytorch_env/bin/activate # Linux/MacOS pytorch_env\Scripts\activate # Windows ``` 2. **安装 PyTorch 库** - 访问 [PyTorch 官方网站](https://pytorch.org/get-started/locally/) 并根据操作系统、包管理器以及 CUDA 支持情况选择合适的命令。 - 对应 CUDA 11.8 的安装命令可能类似于以下内容(具体取决于硬件支持): ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` #### 设置 Visual Studio 工程 当 Python 环境准备好之后,在 Visual Studio 中集成 PyTorch 可以分为以下几个方面处理: 1. **启用 Python 支持插件** - 如果尚未安装 Python 插件,请前往 Visual Studio Installer 添加“Python development”工作负载。 2. **新建或打开项目** - 创建个新的 Python 项目或者加载现有的工程文件。 - 将上述安装好的 `torch` 包作为项目的依赖引入。 3. **C++ 编译选项调整** 若计划利用 libtorch 提供的 C++ API 实现更高效的计算逻辑,则需要额外配置编译参数并链接对应的动态库: - 下载预构建版 LibTorch(可选 CPU/GPU 后端),解压至指定目录。 - 修改项目属性中的附加包含路径 (`Additional Include Directories`) 和库路径 (`Library Directories`),指向 LibTorch 所处位置及其子文件夹 `/include`, `/lib`. 4. **测试连接有效性** 编写简单的验证脚本来确认切正常运行: ```cpp #include <torch/torch.h> #include <iostream> int main() { torch::Tensor tensor = torch::rand({2, 3}); std::cout << tensor << '\n'; } ``` 编译执行该程序后应当能够打印随机生成矩阵的内容到控制台窗口中。 --- #### 注意事项 - 不同版本间的兼容性问题可能会引发错误;务必保持各组件间的致性。 - 当前描述基于特定组合(CUDA11.8 + VS2022),实际部署时请参照最新文档更新指引。
评论 1
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