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
-
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。
-
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。
-
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：
-
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。
- 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。
-
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。
-
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。
-
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。