利用C++调用PyTorch的模型

最新推荐文章于 2025-07-01 10:34:16 发布

置顶

Dark-Rich

最新推荐文章于 2025-07-01 10:34:16 发布

阅读量1.4w

点赞数 7

CC 4.0 BY-SA版权

分类专栏： Machine Learning 机器学习

本文链接：https://blog.youkuaiyun.com/tlzhatao/article/details/86555269

背景

PyTorch的主要接口是Python语言。虽然Python是许多需要动态和易于迭代的场景的首选语言，但同样有很多情况下，Python的这些属性恰好是不利的。在生产环境中，需要保证低延迟和其它严格的要求，而对于生产场景，C++通常是首选语言，通常C++会被绑定到Java或Go当中；
第一种方法是在PyTorch中直接使用C++编写PyTorch的前端，而不是通常情况下使用Python来编写PyTorch的前端，实现模型定义、训练和评估以及模型的部署；
第二种方法是使用Python编写PyTorch的前端，并且实现上述功能；
众所周知，Python相对于C++在不考虑执行效率的情况下具有很多优势，本文不会讨论这方面的问题。因此，如果可以使用Python编写前端，实现模型定义、训练和评估，而将模型的部署交由C++实现，则可以最大化目标，最快地获得模型以及部署高效的模型。
概念转换成具体的方案，将Python在PyTorch下训练得到的模型文件转化成C++可以加载和执行的模型文件，并且自此以后不再依赖于Python；
PyTorch模型从Python到C ++之旅由Torch Script实现，Torch Script是PyTorch模型的一种表示，并且可以由Torch Script的编译器理解、编译和序列化。

环境

安装PyTorch的版本为1.0及以上；
安装C++版本的LibTorch，LibTorch发行版包含一组共享库，头文件和CMake构建配置文件；
安装Intel所提供的MKL-DNN库，Caffe依赖此库，编译得到的可执行程序会依赖其中的libmklml和libiomp5动态链接库，若无此库在执行程序时会有错误产生，安装后将这两个动态链接库拷贝至LibTorch的lib目录下；

Mac OS 报错信息如下：
dyld: Library not loaded: @rpath/libmklml.dylib> dyld: Library not loaded: @rpath/libmklml.dylib
Referenced from: ******
Reason: image not found

安装CMake。

将PyTorch模型转化为Torch Script的两种方法

如果需要C++使用PyTorch的模型，就必须先将PyTorch模型转化为Torch Script；
目前有两种方法，可以将PyTorch模型转化为Torch Script：
- 第一种方法是tracing。该方法通过将样本输入到模型中，并对该过程进行推断从而捕获模型的结构，并记录该样本在模型中的控制流。该方法适用于模型中较少使用控制流的模型；
- 第二种方法是向模型中添加显式的注释，使得Torch Script编译器可以直接解析和编译模型的代码，受Torch Script强加的约束。该方法适用于使用特定控制流的模型，。

利用Tracing将模型转换为Torch Script

通过tracing的方法将PyTorch的模型转换为Torch Script，则必须将模型的实例以及样本输入传递给torch.jit.trace方法。这样会生成一个torch.jit.ScriptModule对象，模型中的forward方法中用预先嵌入了模型推断的跟踪机制：

import torch
import torchvision

# An instance of your model.
model = torchvision.models.resnet18()

# model.eval()

# An example input you would normally provide to your model's forward() method.
example = torch.rand(1, 3, 224, 224)

# Use torch.jit.trace to generate a torch.jit.ScriptModule via tracing.
traced_script_module = torch.jit.trace(model, example)

# ScriptModule
output = traced_script_module(torch.ones(1, 3, 224, 224))

利用注释将模型转换为Torch Script

在某些情况下，如模型采用特定形式的控制流（if...else...），可以使用注释的方法将模型转化为Torch Script；
此模块的forward方法使用依赖于输入的控制流，因此它不适合利用tracing的方法生成Torch Script。可以通过继承torch.jit.ScriptModule并将@torch.jit.script_method标注添加到模型的forward中的方法，来将模型转换为ScriptModule。

import torch

class MyModule(torch.nn.Module):
    def __init__(self, N, M):
        super(MyModule, self).__init__()
        self.weight = torch.nn.Parameter(torch.rand(N, M))

    def forward(self, input):
        if input.sum() > 0:
          output = self.weight.mv(input)
        else:
          output = self.weight + input
        return output

import torch

class MyModule(torch.jit.ScriptModule):
    def __init__(self, N, M):
        super(MyModule, self).__init__()
        self.weight = torch.nn.Parameter(torch.rand(N, M))

    @torch.jit.script