Win10 c++调用yolov5的pytorch模型

环境：win10 + vs2019+cuda11.0+pytorch1.7.1

1. vs2019配置opencv4.4和libtorch1.7.1

https://download.pytorch.org/libtorch/cu110/libtorch-win-shared-with-deps-1.7.1%2Bcu110.zip

libtorch的GPU release版本。

下载完成后解压在任意地址即可，这里假定文件在F:\libtorch中。libtorch文件夹内容如下。

 

1）环境变量设置

安装完成后，右键“此电脑”->“属性”->“高级系统设置”->点击系统变量中的Path->添加dll路径。（lib中有.lib和.dll两种文件，安装过opencv的小伙伴都知道，这两种文件一般是分到两个文件夹中的，.lib路径要在vs中进行设置，.dll一般要添加到环境变量中。）

加入"F:\libtorch\lib"，“F:\opencv\build\x64\vc15\bin”（具体前缀地址以你实际放置的地址为准）

2）VS2019的环境配置

新建项目，“项目”->“属性”，将配置改为“Release”，平台设为“x64”。

选择“调试”->“环境”，添加

    PATH=%PATH%;F:\libtorch\lib

选择“包含目录”，添加

    F:\libtorch\include\torch\csrc\api\include

    F:\libtorch\include

    F:\opencv\build\include

选择“库目录”，添加

    F:\libtorch\lib

    F:\opencv\build\x64\vc15\lib

选择“链接器”->“附加依赖项”，添加

    F:\opencv\build\x64\vc15\lib\opencv_world440.lib

    F:\opencv\build\x64\vc15\lib\opencv_world440d.lib(用于debug版) (具体地址与opencv_world后缀以实际为准)

    c10.lib

    torch.lib

    torch_cpu.lib

    torch_cuda.lib

“链接器”->“命令行”，在其他选项中输入 /INCLUDE:?warp_size@cuda@at@@YAHXZ

这个命令大概是用来链接cuda库的，cpu版无需输入。

3) vs测试

torch::cuda::is_available()输出为1即为成功。

// for gpu version test

#include 
#include 
#include 
#include 


int main()
{

    std::cout << torch::cuda::is_available() << std::endl;

    torch::DeviceType device_type = at::kCUDA;

    std::cout << device_type << std::endl;
 
    torch::Tensor tensor = torch::rand({ 5,3 }).to(device_type);

    std::cout << tensor << std::endl;

    cv::Mat img = cv::imread("D:/test.png");
    cv::imshow("", img);
    cv::waitKey(1000);
    return 0;

}

2. pytorch模型转化为torch script

Export-gpu.py将pt模型转化为torchscript.pt

3. 在c++中使用libtorch调用yolov5模型进行测试

    在Python环境下对训练好的模型进行转换以后，咱们须要C++环境下的PyTorch来读取模型并进行编译部署。这种C++环境下的PyTorch就是libtorch。由于libtorch一般用来做为PyTorch模型的C++接口，libtorch也称之为PyTorch的C++前端。

    下载GitHub - ncdhz/YoloV5-LibTorch: 一个 C++ 版本的 YoloV5 封装库。在自己的项目中新建main.cpp, YoloV5.cpp和YoloV5.h，分别将YoloV5-LibTorch工程中的test文件夹中的test.cpp, src文件夹中的YoloV5.cpp和include文件夹中的YoloV5.h的代码复制到对应的main.cpp，YoloV5.cpp和YoloV5.h中。Main.cpp中设置的pt文件和coco.txt文件分别修改为上步转化的torchscript.pt和自己训练的类别。