C/C++教程

Visual Sudio 2019 + libtorch(Pytorch C++库) 环境配置

本文主要是介绍Visual Sudio 2019 + libtorch(Pytorch C++库) 环境配置,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

Visual Sudio 2019 + libtorch(Pytorch C++库) 环境配置

前言:

为了方便工程上对现有的深度学习算法进行运用部署,本文将在windows环境下进行深度学习框架libtorch(Pytorch的C++接口)配置。

一、个人环境

  • Windows10 64位
  • Visual Studio 2019
  • Cuda 10.2
  • libtorch1.10.0 GPU/CPU
  • OpenCV 3.4.3

二、环境安装

  1. Visual Studio 2019 的安装网上有大把教程,本文在此不再赘述。网上大多数教程为vs2017及以上才能安装Libtorch,但需要注意的是,若安装的Libtorch版本为V1.10.0及以上时,需要vs2019。

  2. CMake安装

    CMake官网下载地址:https://cmake.org/download/

安装的版本需要与操作系统相匹配,如windows 64位系统则可以选则 cmake-3.8.0-rc1-win64-x64.msi,进行下载安装,安装过程非常简单,此处忽略。

  1. libtorch安装

    libtorch官网下载地址:https://pytorch.org/


【注意】下载libtorch时需要选择Release还是Debug版本,并且libtorch的版本必须与Python输出的Pytorch训练模型xxx.pt相对应,否则无法进行推理。

下载解压之后文件格式如下:

  1. Visual Studio 2019 配置libtorch

    本人之前在VS2017中配置libtorch时,因为VS版本太低,对新的C++标准并不支持,所以报错较多,后续通过论坛博客交流之后发现,VS2019对libtorch比较支持,且一次便配置成功,故推荐。

    根据项目需求以及个人需要来安装库,通常根据CPU和GPU来进行选择,而调试模式一般选择Release版本进行安装,这样可以减小代码编译错误以及提高代码运行效率。

  1. 打开属性管理器,右键你选择的编译模式,新建属性表,这里以LibtorchRelease进行命名,当然也可以自定义。

  1. VC++ 包含目录、库目录

    通用属性->VC++目录->包含目录、库目录

  包含目录:
      path: xxx\libtorch\include\torch\csrc\api\include
      path: xxx\libtorch\include
      path: xxx\opencv\build\include
      path: xxx\opencv\build\include\opencv
      path: xxx\opencv\build\include\opencv2
  库目录:
      path: xxx\libtorch\lib
      path: xxx\opencv\build\x64\vc15\lib
  将之前文件夹里的**libtorch**和**OpenCV**的头文件目录放在包含目录,库文件放在库目录下即可。
  1. 链接器配置

    链接器->输入->附加依赖项

      c10.lib
      c10_cuda.lib
      torch_cpu.lib
      torch_cuda.lib
  至此,配置完成。
  1. 测试

    新建源文件main.cpp,将如下代码

      #include "torch/torch.h"
      #include "torch/script.h"
      #include <opencv2/core/core.hpp>  
      #include <opencv2/highgui/highgui.hpp>  
      #include <iostream>
      #include <string.h>
      int main() {
      	cv::Mat img = cv::imread("C:\\Users\\admin\\Desktop\\1.png");
      	cv::imshow("show", img);
      	cv::waitKey(3000);
      	torch::Tensor tensor = torch::rand({ 2, 3 });
      	if (torch::cuda::is_available()) {
      		std::cout << "CUDA is available! Training on GPU" << std::endl;
      		auto tensor_cuda = tensor.cuda();
      		std::cout << tensor_cuda << std::endl;	
      	}
      	else
      	{
      		std::cout << "CUDA is not available! Training on CPU" << std::endl;
      		std::cout << tensor << std::endl;
      	}
      
      
      	std::cin.get();
      }
  OpenCV调试与Libtorch调试结果如下时,调试成功!

  ### 二、BUG处理

  1. 直接运行,输出: `“cuda::is_available(): 0”`,GPU未调用起来。

     **解决方法**:

     - 使用VS2017及以上版本;

     - windows上装的cuda版本需要与下载的libtorch的cuda版本相对应;

     - 在“属性 --> 链接器 --> 命令行 --> 其他选项”中添加
           /INCLUDE:?warp_size@cuda@at@@YAHXZ
  2. 关于VS2017编译时,出现不支持或者大量错误,可以使用更高级的VS(如VS2019)进行编译。

这篇关于Visual Sudio 2019 + libtorch(Pytorch C++库) 环境配置的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!