當網路訓練好之後，若需要部屬在C plus plus 程式碼上，這時候就需要先把 pytorch訓練出的網路(.pth) 先轉成.pt格式的網路，然後再經由facebook 所開發的另一套C++ library–libtorch來引用執行，引用前需要先針對libtorch 編譯執行，底下是詳細步驟

• 注意:若要編譯cuda版本就必須安裝cuda、cudnn後才能進行安裝

下載編譯好的libtorch

可以到官網選擇合適的libtorch進行安裝，至於之前版本的libtorch可以到這裡下載

之後將下載好的檔案解壓縮，解壓縮完後會得到一包libtorch為首的檔案資料夾，這就是官方針對選定的版本編譯好的libtorch，若需要特定版本可以參考上方連結抑或是自行下載原始碼進行編譯

unzip libtorch-cxx11-abi-shared-with-deps-1.12.1+cu113.zip

編寫Cmake 文件

開啟一個空白的專案資料夾並創建檔名為CMakeLists.txt的檔案

• 檔案內容放置如下，並將libtorch_path換至成您剛剛下載的libtorch檔案庫

#CMakeLists.txt
cmake_minimum_required(VERSION 3.10 FATAL_ERROR)
project(example)
set(CMAKE_CXX_STANDARD 14)
#set(CMAKE_PREFIX_PATH "libtorch_path/")
# my example
set(CMAKE_PREFIX_PATH "/home/darren/software/libtorch-cxx11-abi-shared-with-deps-1.12.1+cu113")
find_package(Torch REQUIRED)

add_executable(main main.cpp)
target_link_libraries(main ${TORCH_LIBRARIES})

編寫 main.cpp

再來編寫測試檔案並引用libtorch相關函式庫來測試環境能否順利的使用上libtorch

• main.cpp內容如下

#include <torch/torch.h>
#include <iostream>

int main() {
  torch::Tensor tensor = torch::rand({2, 3});
  std::cout << tensor << std::endl;
}

執行編譯

前置作業都處理完成後就可以使用cmake進行編譯了，如果沒有安裝cmake請自行參考其他教學安裝cmake、make等所需要的編譯器

創建build 資料夾

mkdir build

進入build 資料夾中

cd build

cmake 編譯

cmake ..

若順利的話就會出現以下畫面

make 編譯

make

執行所編譯出的main檔案

./main

參考資料

https://www.youtube.com/watch?v=GYbNqcS-o1w&ab_channel=OlleWelin
https://github.com/ollewelin/Installing-and-Test-PyTorch-C-API-on-Ubuntu-with-GPU-enabled
https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#conda-installation