libtorch的安装与简单使用

众所周知，现在提到深度学习就离不开PyTorch。但其实PyTorch从更广泛的意义上来说，也只是Torch的Python接口而已。只是大家现在都习惯用Python写代码，所以PyTorch比较火。但是不要忘了Torch其实还有C++的接口，名字叫libtorch。这个名字一看就很有Linux C++库的感觉，libxxx。因为最近在做一些深度学习和SLAM相结合的工作，需要在C++中调用一些神经网络。因此，本篇博客主要介绍Ubuntu下libtorch如何安装以及简单的使用。

libtorch安装有两种方式，一种是从源码编译，一种是下载已经编译好的文件。如果没有特殊需求的话，这里推荐第二种方式，直接下载库文件。另外libtorch和PyTorch一样，也有CPU和GPU两个版本，下载的时候需要注意一下。

首先，建议先查看一下自己电脑上的CUDA版本，终端中输入nvcc -V即可。例如在我的电脑上CUDA版本是10.1。

在知道CUDA版本以后，就可以根据需求下载对应的libtorch文件了。这里需要注意一下libtorch不同版本之间的API差异可能较大，所以建议提前确定好要下载的版本，不要太奇怪，以防止不兼容。而且新版本的libtorch只支持用C++14标准，而如果你现有项目是C++11标准就会比较麻烦。

下载地址可以在这里查看。比如我选择的是CUDA 10.1对应的libtorch 1.3.0版本。

下载完成后，你会得到一个压缩包。剩下需要做的就是将这个压缩包解压到你想要放的位置，libtorch就“安装”成功了。解压之后的内容如下图所示。

在实际测试中发现，libtorch可能还会需要安装cuDNN。官网是这里。安装的步骤也十分简单粗暴。首先我们在这里下载对应的cuDNN库文件(注意和CUDA的版本对应关系)。下载完成后，你同样会得到一个压缩包，然后进行解压，就可以得到一个叫做cuda的文件夹。然后在当前目录下打开终端，依次输入下面的命令即可完成安装。

复制完成之后，这个cuda文件夹就可以删掉了。而如何查看cuDNN版本也非常简单，在终端中输入如下命令即可。

如果你安装了，就会正常输出如下内容，本机中的cuDNN是7.6.5。 否则就说明没有安装。从这个角度来说，cuDNN的“卸载”就是上面这些操作的逆操作。事实上，在有些可带可不带cuDNN的时候，带cuDNN编译反而容易出错，不带cuDNN就可以正常通过。所以如果你编译项目的时候遇到cuDNN相关的错误，不妨先把机器上的cuDNN先“卸载”一下。其实就是把/usr/local/cuda/include/cudnn.h文件换个名字什么的，让系统找不到就可以了。

细心的你可能已经注意到了，这样简单粗暴的安装，CMake是不可能自动找到libtorch库的。所以我们需要在CMake文件中显式地指定libtorch的路径。本机中libtorch的路径为/root/Softwares/libtorch，所以CMake文件应该这样写：

正常情况下，CMake的输出如下。

在代码中，我们至少需要包含torch/torch.h。一个非常简单的打印GPU是否可用的代码如下。