libtorch入门

libtorch入门
本文仅仅记录自己在最初使用libtorch的一些体会。

torch::index_select

torch::index_select(preds, 1, torch::linspace(0, 1599, 1600).toType(torch::kLong));
如preds的sizes()为[1,2100,112]--->索引出来Tensor为[1,1600,112]
第一个参数：preds-->你索引的Tensor
第二个参数：dim--->在哪一个维度
第三个参数：index--->对应的索引，注意这里索引必须为Tensor，且需要int64的数据类型，因此使用toType(torch::kLong)转换为int64类型。
将Tensor的数据类型进行转换时使用Tensor.toType(你需要的类型)即可。

torch::select

index_select可以连续索引，而select只能够取一个。

torch::Tensor bbb = preds.select(1,1);
如preds的sizes()为[1,2100,112]--->索引出来Tensor(bbb)为[1,112]
第一个参数：dim-->在哪一个维度`
第二个参数：index--->索引，这里索引为int64，跟index_select需要Tensor为索引进行区分`

torch::from_bolb

当使用不同数据时我们都可以将其转为torch::Tensor类型进行处理

torch::Tensor aa = torch::from_blob(preds, {1,255,80,80});
第一个参数：preds-->数组指针，可以是数组指针类型或者是类似于数组指针的首地址
第二个参数：Tensor的大小，如果前面设置的为数组的首地址，则索引数组创建Tensor
第三个参数：可以设置Tensor的数据格式
可以看出，这种方式可以将类似于数组的一段连续的内存创建为Tensor。例如Opencv的mat类型，以及onnxruntime推理出来的tensor可以转换为libtorch对应的tensor，如果不转换两个tensor是有些区别。

访问Tensor

如何访问Tensor，或者说如何取出Tensor中的数据是学习此数据类型的关键，此处一共介绍三种方法。
1.直接访问法
这种访问的方式效率很低，并且速度较慢。

tensor:[1,1600,80]
float a = tensor[0][1][5].item().toFloat();
直接根据各个维度的索引进行直接访问，取其值并转换为你需要的类型即可。

2.accessor访问法
这种方法速度较快。

tensor:[1,1600,80]
auto tensor_1 = tensor.accessor<float, 3>(); float数据类型，之后访问得到的就是这个数据类型，3对于tensor的维度
float a = tensor_1[0][1][5]
这种方式将tensor进行转换，再根据每一维度的索引进行访问，注意这里直接访问得到其值以及对应的类型，
不需要进一步转换。

3.指针访问法
指针访问无疑是最快并且最便捷的操作，推荐大家多多使用。

tensor:[1,1600,80]
float* tensor_ptr = (float*)(tensor.data_ptr());  
float a = tensor_1[1600*1+5];  //访问的跟上面一样的值
tensor_ptr为指向tensor的首个元素的地址，接下来我们就像访问矩阵或者数组一样进行访问tensor啦，
是不是超级方便。

本文为笔者第一篇博客，也算是自己的一个杂乱无章的笔记，读者看的混乱还请见谅，有什么需要讨论的地方希望大家积极留言，大家共同进步！！！
同心、同行、同乐，结伴成长！