win10+vs2019+libtorch的安装-FlyAI

win10+vs2019+libtorch的安装

PyTorch

最后更新 2021-02-26 10:47 阅读 4525

最后更新 2021-02-26 10:47

阅读 4525

PyTorch

网上有了很多的方法了已经，虽然前人之述备矣，但是还是有两个细节问题是自己再查不同的方法才找到的，算是一篇杂文了，哈哈。
###一，查看CUDA的版本：
在cmd中输入命令nvidia-smi查看我的CUDA的版本号。
![cuba版本查询](https://dataset.flyai.com/1 nvidia-smi.png "cuba版本查询")
可以看到，我的CUDA Version为10.1。
###二，下载匹配的libtorch
打开地址https://pytorch.org/ 选择自己电脑匹配的libtorch。
![对应版本的libtorch下载](https://dataset.flyai.com/2.1 libtorchdownload.png "对应版本的libtorch下载")
两条链接，一个为debug版本的，一个是release版本的，建议都下下来，以后都可能用得到。我使用的是debug版本的。解压后我的路径如下：
![libtorch的文件夹包含](https://dataset.flyai.com/2.2libtorchpath.png "libtorch的文件夹包含")
大家的路径名一定不一样，所以这里是本文和大家唯一的不一样的地方，大家要注意。而且注意的是，libtorch库是64位的，采用的是c++14的标准，所以不建议用vs2017以下的版本，我用的是vs2019，正好算是鸟枪换炮了这次。
###三，vs2019的下载安装与项目创建
我这里不太好演示了，目前vs2019基本都变成了在线安装，和以前的很大一个压缩包再安装不一样了。
![vs2019 C++部分的加载](https://dataset.flyai.com/3.1vs2019set1.png "vs2019 C++部分的加载")
就在上面这个安装包中，我只选了“使用c++的桌面开发”。大概一点几个G，安装好了重启一下，就可以创建一个C++项目了。
![vs2019 控制台项目创建](https://dataset.flyai.com/3.2 vs2019set2.png "vs2019 控制台项目创建")
###四，vs2019使用libtorch的六项配置
####（一）64位项目的选择
这一步非常重要，如果选错了，后面的五部肯定是要重新来一遍，血泪史。
就是在下面的x64处，选择x64就可以了。它默认好像是x86。
![x64的选择，重要](https://dataset.flyai.com/4.1 x64 select.png "x64的选择，重要")

####（二）头文件目录配置
配置头文件目录路径的地方为：
项目----[项目名称]属性----VC++目录----包含目录
![头文件目录配置](https://dataset.flyai.com/4.2.1.png "头文件目录配置")
![两个头文件的加载](https://dataset.flyai.com/4.2.3.png "两个头文件的加载")
D:\users\libtorch_debug\include
D:\users\libtorch_debug\include\torch\csrc\api\include
所有需要加入路径的头文件夹，就只有这两个
####（三）lib文件路径配置
配置lib文件路径的地方为：
项目----[项目名称]属性----VC++目录----库目录
![库的目录](https://dataset.flyai.com/4.3.png "库的目录")
D:\users\libtorch_debug\lib
####（四）lib文件配置
配置lib文件的地方为：
项目----[项目名称]属性----链接器----输入----附加依赖项
![lib文件的加载](https://dataset.flyai.com/4.4.1.png "lib文件的加载")
![lib文件的内容](https://dataset.flyai.com/4.4.2.png "lib文件的内容")
我把要敲入的lib库写在下面，这样直接复制粘贴就可以了。
asmjit.lib
c10.lib
c10_cuda.lib
c10d.lib
caffe2_detectron_ops_gpu.lib
caffe2_module_test_dynamic.lib
caffe2_nvrtc.lib
clog.lib
cpuinfo.lib
dnnl.lib
fbgemm.lib
gloo.lib
gloo_cuda.lib
libprotobufd.lib
libprotobuf-lited.lib
libprotocd.lib
mkldnn.lib
torch.lib
torch_cpu.lib
torch_cuda.lib

####（五）调试路径配置
配置调试路径的地方为：
项目----[项目名称]属性----调试----环境
![dll环境的配置](https://dataset.flyai.com/4.5.1.png "dll环境的配置")
![dllpath的设置](https://dataset.flyai.com/4.5.2.png "dllpath的设置")
同样在这里把库路径填上。填的方法为：
PATH=D:\users\libtorch_debug\lib;%PATH%
这一块要稍微注意一下。
####（六）GPU使用配置
配置GPU地方为：
项目----[项目名称]属性----链接器----命令行----其他选项
![gpu设置](https://dataset.flyai.com/4.6.png "gpu设置")

/INCLUDE:?warp_size@cuda@at@@YAHXZ

如果不配置这个，
```python
torch::cuda::is_available()
```
会返回0，就是不能使用CUDA。
### 五，测试

我们用一个最简单的测试测试自己有没有配置正确
```
#include <iostream>
#include <memory>
#include <torch/torch.h>

int main()
{

torch::Tensor tensor = torch::rand({ 5,3 });
    std::cout << tensor << std::endl;
    std::cout << torch::cuda::is_available() << std::endl;
    return EXIT_SUCCESS;
}
```

输出结果为：
![测试输出](https://dataset.flyai.com/5.0.png "测试输出")
可以知道，我们的配置正常。

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，转载请附上原文出处链接和本声明。
本文链接地址：https://flyai.com/article/art04b2ac809cb6f69173cd1643?type=e

讨论

500字

表情

发送

删除确认

是否删除该条评论？

取消删除