chap0

• LibTorch 配置
  • 1. 必要软件
  • 2. 安装 PyTorch
  • 3. 下载解压 LibTorch
  • 4. 配置环境
  • 5. 运行 demo

LibTorch 配置

推荐直接使用 Docker 镜像：

# cpu
docker pull clearhanhui/ubuntu-libtorch-cpu:latest
docker run -ti clearhanhui/ubuntu-libtorch-cpu /bin/bash
# cuda
docker pull clearhanhui/ubuntu-libtorch-cuda:latest
docker run -ti --gpus all clearhanhui/ubuntu-libtorch-cuda /bin/bash

注意1：由于 cuda 镜像使用的较新的版本，docker run 的时候可以增加 NVIDIA_DISABLE_REQUIRE=1 来禁止版本检查（参考）。
注意2：仅学习推荐使用 cpu 版，依赖更少，文件更小。

1. 必要软件

• wget
• unzip
• python3
• pip3
• git
• cmake
• gcc (or clang)
• make (or ninja)
• build-essential

软件版本尽量用新的。 根据 (issue)[#1] 的提醒，可能某些 LibTorch 版本使用了C++17语法，编译的时候加上 flag -std=c++17。

2. 安装 PyTorch

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu

推荐使用 miniconda 管理 python 环境。

3. 下载解压 LibTorch

wget https://download.pytorch.org/libtorch/nightly/cpu/libtorch-shared-with-deps-latest.zip
unzip libtorch-shared-with-deps-latest.zip

注意1：本教程适用 Linux 系统，Windows 等我有时间，MacOS 等我有钱。

注意2：以上均是 CPU 版本，有 GPU 并配置了 CUDA 的土豪移步官网根据版本下载。

4. 配置环境

四种方式（影响范围由大到小）：

1. 将解压目录 /path/to/libtorch（注意替换）添加到系统 PATH 变量中：

# 临时使用
export PATH=/path/to/libtorch:$PATH

# 永久使用
echo "export PATH=/path/to/libtorch:\$PATH" >> ~/.bashrc && . ~/.bashrc

2. 设置环境变量 Torch_ROOT，方法参考上面。
3. 在 CMakeLists.txt 中通过 set 函数临时设置。
4. 执行 cmake 命令的时候，设置参数 -DCMAKE_PREFIX_PATH=/path/to/libtorch。

推荐使用第2种。

5. 运行 demo

下载项目

git clone https://github.com/clearhanhui/LearnLibTorch.git
cd LearnLibTorch/chap1/

使用 make 构建

mkdir build-make && cd build-make
cmake .. 
make
./HelloWorld

使用 ninja 构建

mkdir build-ninja && cd build-ninja
cmake .. -G Ninja
ninja -v
./HelloWorld

输出：

 0  0  0
 0  0  0
[ CPUFloatType{2,3} ]

Welcome to LibTorch!