libtorch中 tensot---＞ Variable

最新推荐文章于 2024-10-05 21:30:41 发布
原创 最新推荐文章于 2024-10-05 21:30:41 发布 · 293 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch

本文介绍了解决使用libtorch函数torch::index_select时出现的类型错误问题，即期望获得Variable类型却得到了CUDALongType类型的index。文中详细解释了Variable与Tensor的区别，并提供了一种将Tensor转换为Variable的方法。
部署运行你感兴趣的模型镜像

what(): Expected object of type Variable but found type CUDALongType for argument #2 ‘index’ (checked_cast_variable at …/…/torch/csrc/autograd/VariableTypeManual.cpp:38)

问题描述：在使用libtorch函数torch::index_select(detections_class_left,0, index)时，运行报错如上，而进入index_select的定义显示：static inline Tensor index_select(const Tensor & self, int64_t dim, const Tensor & index)

问题分析：
通过报错提示argument #2 ‘index’ 应该是 Variable类型，而我使用的就是 tensor(数据类型为CUDALongType)，因此一直报错。

问题解决：
1.搞清楚Variable类型和 tensor的区别，在这里引用另一篇文章的解读：知乎的文章;

2.把tensor转成Variable，使用函数：torch::autograd::make_variable(left_index, false);// tensot—> Variable

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Pytorch中torch.autograd.Variable的用法
风口IT猪的成长录
09-26 523
构建神经网络的计算图时，需用将Tensor包装起来，形成计算图中的节点。backward()自动计算出所有需要的梯度。来针对某个变量执行grad获得想要的梯度值。
libtorch 调用pytorch模型
jacke121的专栏
06-27 4736
我测试的速度没有提升 int main(int argc, const char* argv[]) { //size_t len = url.length();//获取字符串长度 char sBuf[1024]; char *ptr; if (GetModuleFileNameA(NULL, sBuf, sizeof(sBuf))) { ptr = strrchr(sBu...
PyTorch中Numpy，Tensor与Variable深入理解与转换技巧
irontiger65的博客
06-01 370
PyTorch为了实现GPU加速功能，在Numpy的基础上，引入了Tensor，为了实现自动求导功能，引入了Variable。我们一般读取的数据都是以Numpy Array方式的。在TensorFlow，Numpy的数据会在输入网络后自动转换为Tensor，一般不需要我们进行显性操作，当然偶尔也会有例外。但是在PyTorch，需要我们自己进行显性操作才可以的。 下面我以一个网络训练的过程来讲解它们之间如何进行相互的转换。 首先我们会读取Numpy的数据，为了能够送入网络，使用GPU计算加速，所以要进行Num
PyTorch | Tensor、Numpy、Variable之间的转换
以秘
01-30 409
其中，Numpy和Variable之间的转换可以通过tensor推导出来。 Numpy->Variable:拆分为两步， Numpy->Tensor： torch.from_numpy(test) Tensor->Variable：Variable(test) 组合在一起就是：Variable(torch.from_numpy(test)) 同样的道理，Variable->Numpy:拆分为两步， Variable->Tensor：test.data() Te..
Pytorch随笔--Tensor与Variable
qq_61888524的博客
09-22 1152
前言 该文章是我回过头来看之前的pytorch笔记的一些记录，以自己的思路将一些相关的内容集合起来进行记录，算是对之前阶段学习的总结。 问题描述 刚接触pytorch的时候，一个很常见的操作就是参考别人的代码或者观看别人的教学视频。但随着pytorch的更新，一些特性便会发生变化，这就很明显地会体现在代码上，比如之前的一些代码和现在的代码将会变得不一样，尽管它们实现的功能基本是一样的。尤其是对于训练模型这一部分来说，基本的流程会很相似，但几年前的代码和当前的代码却会有很多地方不同，这对于初学者来说会是
NotSupportedException: This application or script uses TorchSharp but doesn't contain a reference to libtorch-cpu-win-x64, Version=2.2.1.1.
07-20
> 示例版本：`2.2.1.1`，确保与异常中提示的版本一致。 4. 安装完成后，构建项目，NuGet 会自动将 `libtorch-cpu-win-x64.dll` 复制到输出目录。 --- ### 方法二：手动复制 LibTorch 原生 DLL 文件 如果 NuGet ...
Libtorch学习之Libtorch-VS2019-图像分割程序
shuaijieer的博客
10-05 1133
如有其他问题，欢迎交流！
BIOS追Code之BDS phase -＞TSL-＞RT-＞AL
这里是为我所统率的战场
04-09 8037
综述 BDS 的全称是启动设备选择(Boot Device Select), DXE 阶段最终会调用BDS ARCH protocol 的接口EFI_BDS_ARCH_PROTOCOL.Entry() 转入BDS阶段。BDS 阶段负责加载额外的驱动，与用户交互，必要的硬件初始化，并转入操作系统。 EFI的引导顺序包括以下内容: 平台固件从全局定义的NVRAM变量中读取boot order 引导顺序列表，引导顺序列表定义了一个NVRAM变量列表，其中包含要引导的信息。每个NVRAM变量为引导选项定义一个Uni
UEFI原理与编程实践--Variable的使用
Anthony的博客
11-24 2450
基础知识 在书中本章主要说明了系统表，启动服务，运行时服务。 挑简单明了的：系统表（gST）的使用方法： SystemTable->BootServes指向系统的启动服务表，ConIn/ConOut 启动服务（gBS），在上一节中protocol的安装与使用就使用了gBS，启动服务主要运用在事件管理，内存管理，protocol有关的服务，驱动管理服务，image管理服务，以及ExitBootServes。 启动服务的生存周期在DxeMain到ExitBootServes期间。 运行时服务（
Libtorch部署编译报错问题：non-scalar type， ‘-＞‘ has non-pointer type等
Boys_Wu的博客
11-05 2338
使用libtorch在C++中部署遇到了问题，大多是关于torch的API接口问题，因为使用网上大多的示例是很久之前的，而现在torch的很多API接口已经发生了改变，所以才会在编译的时候出现各种接口问题报错。 1. CMake error: conversion from ‘torch::jit::script::Module’ to non-scalar type ‘std::shared_ptrtorch::jit::script::Module . 这个问题是很多教程在声明模型的时候使用了： st
tensor和Variable
Dashi_Lu的博客
03-05 575
初学tensorflow，有点搞不懂tensor和Variable的区别，经过思考，得到以下总结！ 目录 Tensor Variable 总结 Tensor import tensorflow as tf x = tf.random_uniform([3,3]) #创建一个Tensor with tf.Session() as sess: print(t...
Libtorch的安装与介绍
晚来天欲雪，能饮一杯无？
03-29 7465
因此，本篇博客主要介绍Ubuntu下libtorch如何安装以及简单的使用。
使用libtorch读取预训练权重，完成语义分割
CAFE-BABE的博客
02-28 1万+
首先说一下我的电脑配置，ubuntu16.04；opencv3.4.3；在anaconda里面安装了torch1.3.1（不同版本的torch使用的c++的代码也是不同的，如果超过v1.0.1，那么需要使用新的API，否则需要使用旧的）；cuda10.0；cudnn7.6.5； 这里使用的语义分割的网络是：dspnet V2；基于pytorch开发，支持PyTorch 1.0，我的1.3也可以。...
使用C++调用pytorch模型(Linux)
weixin_39450742的博客
04-25 2807
模型转换思路通常为: Pytorch -> ONNX -> TensorRT Pytorch -> ONNX -> TVM Pytorch ->转换工具-> caffe Pytorch -> torchscript(C++版本Torch) 我的模型是使用Pytorch1.0训练的,第三种方法应该是还不支持,没有对应层名字, 放弃. (以下是用方法3生成的网络结构图, 其中部分层名字和工具对应不上). 因此本文使用第4中方法,详细步骤分两步, 具体如..
Ptorch 与libTorch 使用过程中问题记录
ll_cookie的博客
04-23 3082
最近在C++调用pytorch模型的时候遇到了一点小问题，特此记录。 基于python和pytorch训练了一个分类模型，保存为pkl文件；因C++和Python读取的文件方式不同，所以在使用C++调用之间把训练生成的模型文件转换成Torch Script，即生成一个pt文件，这样就可以使用C++进行调用。 生成的pkl和pt文件在python下测试，结果保持一致，证明模型没有问题，很好，继续。 ...
libtorch模型生成
a819411321的博客
07-26 3390
import torch import torch.nn as nn import numpy as np import torchvision import cv2 from collections import OrderedDict #我们所用的解码网络 class Encoder(nn.Module): def __init__(self, isize=256, nc=3, n...
Pytorch中的variable, tensor与numpy相互转化的方法
热门推荐
pengge0433的博客
03-06 14万+
在使用pytorch作为深度学习的框架时，经常会遇到变量variable、张量tensor与矩阵numpy的类型的相互转化的问题，本章结合这实际图像对此转化方法进行实现。1.加载需要用到的模块import torch from torch.autograd import Variable import matplotlib.pyplot as plt import matplotlib.image...
请指出libtorch-cpu-win-x64安装包
最新发布
07-20
`libtorch-cpu-win-x64` 是 **TorchSharp** 所依赖的 **LibTorch** 的 CPU 版本，用于在 Windows x64 平台上运行 TorchSharp 的原生代码。 --- ## ✅ `libtorch-cpu-win-x64` 安装包说明 ### 📦 包名： - **`TorchSharp.LibTorch-CPU-win-x64`** ### 📦 NuGet 地址： 你可以通过以下链接访问该 NuGet 包： 🔗 [https://www.nuget.org/packages/TorchSharp.LibTorch-CPU-win-x64](https://www.nuget.org/packages/TorchSharp.LibTorch-CPU-win-x64) --- ## ✅ 安装方法 ### 方法一：使用 NuGet 包管理器安装（推荐） 1. 打开 Visual Studio。 2. 右键你的项目 → 选择 **“管理 NuGet 包”**。 3. 在搜索框中输入：`TorchSharp.LibTorch-CPU-win-x64` 4. 找到对应版本（如 `2.2.1.1`）并点击 **安装**。 5. 安装完成后，`libtorch-cpu-win-x64.dll` 会被自动复制到输出目录。 --- ### 方法二：使用 .NET CLI 安装 在项目目录下运行以下命令： ```bash dotnet add package TorchSharp.LibTorch-CPU-win-x64 --version 2.2.1.1 ``` 你可以将 `2.2.1.1` 替换为你项目所需的版本。 --- ### 方法三：手动下载并引用 DLL（适用于自定义部署） 1. 访问 [NuGet 官网](https://www.nuget.org/packages/TorchSharp.LibTorch-CPU-win-x64) 2. 点击你所需的版本 → 点击 **“下载包”**（文件扩展名为 `.nupkg`） 3. 将 `.nupkg` 文件重命名为 `.zip`，解压后进入以下路径： ``` runtimes/win-x64/native/libtorch-cpu-win-x64.dll ``` 4. 将该 DLL 文件复制到你的项目输出目录（如 `bin\Debug\net6.0`），或通过代码设置加载路径： ```csharp Environment.SetEnvironmentVariable("TORCHSHARP_LIBTORCH_PATH", @"C:\Your\DLL\Path"); ``` --- ## ✅ 版本选择建议 | TorchSharp 版本 | 对应 LibTorch 安装包 | |------------------|------------------------| | v0.90.x | `TorchSharp.LibTorch-CPU-win-x64` v0.90.x | | v0.91.x | `TorchSharp.LibTorch-CPU-win-x64` v0.91.x | | v2.2.1.1 | `TorchSharp.LibTorch-CPU-win-x64` v2.2.1.1 | 确保安装的 LibTorch 包版本与 TorchSharp 主版本一致，避免兼容性问题。 --- ## ✅ 常见问题总结 | 问题 | 原因 | 解决方法 | |------|------|-----------| | 找不到 LibTorch 包 | 包名称或版本错误 | 检查拼写和 NuGet 源设置 | | DLL 未自动复制 | 构建操作未正确配置 | 手动复制或设置环境变量 | | 加载 DLL 失败 | 路径错误或依赖缺失 | 使用 `Dependency Walker` 检查依赖项 | ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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