libtorch c++部署-使用GPU

环境搭建：win10上libtorch c++部署_alex1801的博客-CSDN博客

1、引用关系

以vs下libtorch引用CUDA为例：

包含目录：

libtorch_dir/include
libtorch_dir/include/torch/csrc/api/include

库目录：

libtorch_dir/lib

动态库：

c10.lib
c10_cuda.lib
torch_cpu.lib
torch_cuda.lib

测试代码：

#include
#include
#include  # cuda相关函数头文件
#include

int main()
{
	std::cout <<"cuda::is_available():" << torch::cuda::is_available() << std::endl;
	system("pause");
}

        直接运行，输出： “cuda::is_available(): 0”，显卡未调用起来。

        Windows10系统下使用LibTorch 1.5、1.6，使用Visual Studio进行C++开发时，Torch::cuda::is_available()返回值为0（使用cmake来构建工程，是可以正常编译和执行）。

解决方法：

        1）使用VS2017及以上版本；

        2）windows上装的cuda版本需要与下载的libtorch的cuda版本相对应；

        3）在“属性 --> 链接器 --> 命令行 --> 其他选项”中添加：

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

        至此，问题解决。

2、cuda相关函数

        torch::cuda::is_available() // CUDA是否可用

        torch::cuda::cudnn_is_available() // cuDNN 是否可用

        torch::cuda::device_count() // 可使用的GPU个数

3、GPU/CPU模式

        libtorch默认使用的是CPU，设为使用GPU推理，只需将数据和模型加载至GPU中，API如下：

model.to(at::kCUDA); // 模型加载至GPU
timg = torch::ones({ 1, 3, 224, 224 }).to(at::kCUDA);  // 数据加载至GPU
std::vector inputs;	
inputs.push_back(timg);

        数据/模型加载最佳方式：

torch::DeviceType device_type = at::kCPU; // 定义设备类型
if (torch::cuda::is_available())
    device_type = at::kCUDA;
model.to(device_type);
std::vector inputs;
inputs.push_back(torch::ones({ 1, 3, 224, 224 }).to(device_type));