Win10+vs2017下配置libtorch

文章目录[隐藏]

我的配置如下：
一、确定可选版本
二、安装cuda及cudnn
三、下载libtorch
四、建立vs2017工程并配置
五、调试

我的配置如下：

系统：win10-64位
VS:vs2017
Libtorch:cu102-1.6
安装步骤如下：

一、确定可选版本

C++下实现torch，主要用于网络的预测，而网络的训练则是在python环境下完成。为保证python环境下训练的网络可以正常移植到vs环境中使用，需保证vs环境中使用的torch版本与python中使用的torch版本一致。
另外，关于vs版本，推荐使用vs2017（虽然网上有不少帖子关于vs2015移植torch，但本人在移植过程中，使用vs2015未成功）。
在此，选定版本：vs2017+libtorch-1.6（cuda10.2）

二、安装cuda及cudnn

不清楚是否需要安装。
但是在配置python+pytorch时，已经安装了cuda+cudnn（不清楚仅配置vs2017+torch时，是否需要安装）。

三、下载libtorch

官方下载网址https://pytorch.org/get-started/locally/
在这里插入图片描述

下载历史版本的libtorch的方法如下：
根据需要，修改下列链接中相应的参数，即可。
https://download.pytorch.org/libtorch/cpu/libtorch-win-shared-with-deps-1.0.0.zip
https://download.pytorch.org/libtorch/cu80/libtorch-win-shared-with-deps-1.0.0.zip
https://download.pytorch.org/libtorch/cu90/libtorch-win-shared-with-deps-1.0.0.zip
https://download.pytorch.org/libtorch/cu100/libtorch-win-shared-with-deps-1.0.0.zip
例如，需下载cu102的1.6.0版本，则网址为
https://download.pytorch.org/libtorch/cu102/libtorch-win-shared-with-deps-1.6.0.zip

四、建立vs2017工程并配置

建立vs2017工程（如控制台工程）。
将libtorch解压后，置于工程文件夹内。
Vs2017的模式选择release（因为下载的release版本的libtorch）
在这里插入图片描述
右击工程名，选择属性，进入属性配置页。
在vc++目录标签，配置包含目录和库目录。其中，包含目录有2个，分别是
\libtorch\include\torch\csrc\api\include
\libtorch\include
库目录有1个：
\libtorch\lib

在c/c++，常规标签，设置SDL检查为否。
在这里插入图片描述

在c/c++语言标签，设置符合模式为否。
在这里插入图片描述

在链接器-常规-附件库目录，添加\libtorch\lib
在这里插入图片描述

在链接器-输入-附加依赖项，填入.lib文件。若不知填写哪些，则可将\libtorch\lib\下的所有.lib文件填入。如果是cuda版本，欲想使用cuda，则还需填入“-INCLUDE:?warp_size@cuda@at@@YAHXZ”，很重要！
在这里插入图片描述

填入后，将\libtorch\lib\文件夹下，所有的.lib文件和.dll文件，全部拷贝到工程主cpp文件所在的文件夹内。如下图。
在这里插入图片描述

至此，配置完毕。

五、调试

至此，配置完毕。
在主程序中，添加头文件引用
#include
#include <torch/script.h>
#include <torch/torch.h>
编译，若编译通过，则基本可用。
主程序添加语句
torch::Tensor a = torch::rand({ 2, 3 });
cout << a << endl;
运行结果：

如果使用的cuda版本的libtorch，需要在附加依赖项中填入：
-INCLUDE:?warp_size@cuda@at@@YAHXZ
主程序添加语句
torch::DeviceType device_type = at::kCPU;
cout << “cuda是否可用：” << torch::cuda::is_available() << endl;
cout << “cudnn是否可用：” << torch::cuda::cudnn_is_available() << endl;
运行结果：