Pytorch生成的模型进行CPU部署 pytorch模型c++部署

LibTorch何许人也？
从PyTorch进入1.0时代起，faceBook就上架了Pytorch支持C++导入模型的torch.jit API, 用于生成支持C++ API的模型文件，那么这个C++ API 叫什么呢？他就是本期主角LibTorch。

作为系列篇的第一篇，我们先讲讲环境配置。
同样和Python端有没有GPU分配置无GPU的Libtorch和有GPU的LibTorch。作者仅配置过无GPU的LibTorch，这里也以配置无GPU的LibTorch为例。有GPU的配置方法应该类似。（不代表作者没有GPU哈）

---

Updated On 2020.1.4
我重新在新电脑上配置了一番，发现只有有几步操作不对，并且少了一些操作。现在做更正。现在的内容全是正确的了。

下载库文件

打开官网，系统选择windows，库选择LibTorch，同时发现语言自动切换为C++，因为LibTorch仅支持C++,CUDA选择None，意味着下载无GPU的LibTorch库。下载Release版本。目前版本是1.3

下载完了选择解压在一个文件夹中。解压之后应该是这样的。我解压在了LibTorch文件夹中。

安装VS2017或者VS2015

我们可能在一些其他教程中看到别人是使用Cmake来生成项目的，可是这个玩意对于不熟悉Cmake写法的人来说，理解起来太吃力，而且不支持调试，天知道我写的代码对不对，没有调试该怎么活。
有没有办法能像配置opencv库的方式，配置LibTorch呢。当然有！！

新建VS2017空项目。作者以 VS2015为例子。

开始配置

新建VS空项目。打开属性管理器，在release| Win x64那一栏右击添加新项目属性表。

然后给这个属性表命名，以及设置好存放地址。以后有其他工程，只需要把这个属性表添加到那个工程里面，就算是配置好LibTorch了，很方便。

接下来分三步。

第一步，指定包含目录和库目录。

第二步，链接器->常规， 配置附加库目录

第三步，链接器-> 输入，配置附加依赖项。有两个文件，分别是c10.lib, torch.lib, caffe2.lib(caffe2.lib这个文件在1.3版本消失了），添加进去。这是两个文件在解压得到的文件夹下的lib目录下。

然后写进去就行了。和配置opencv附加依赖项的方式一致。只不过我们以相对路径，选择在项目目录中的这三个文件。所以对于新建其他项目，还是要copy这两个文件到其他项目中。注意，要从解压的lib目录下，对于每个项目，都要复制这五个文件，复制到和源.cpp一样的目录下。

第四步：

双击Release | x64， C++ ->常规 -> SDL检测 设置为否

别忘了运行环境也要设置为Release x64。

测试

新建源文件。
这三个头文件必不可少。

#include <torch/script.h>
#include <iostream>
#include <memory>

#include <torch/script.h> // One-stop header.
#include <iostream>
#include <memory>
int main() {
	torch::Tensor tensor = torch::rand({ 2, 3 });
	std::cout << tensor << std::endl;
}

然后运行，能输出就成功配置了。

注意cmd中显示类型是CPUType，因为我们配置的是CPU版的LibTorch啊。