之前一直用Pytorch做的网络训练，最近想看看训练出来的模型在C++上的表现（毕竟稍微注重效率的工程都用的C++写），因此花了点时间研究了一波。   因为PyTorch的Python版本和C++版本使用的文件描述有区别，因此需要先把Python版本训练的模型转换成Torch Script形式（相信这一点不太方便的地方后面会被FB大佬们改掉的）。   转换的代码如下：   
import torch
import torchvision

# 读取resnet18模型
model = torchvision.models.resnet18()
# 创建一个输入样例
example = torch.rand(1, 3, 224, 224)
# 初始化模型转换工具
traced_script_module = torch.jit.trace(model, example)
# 转换模型
traced_script_module.save("resnet18.pt")
  用上面的代码得到模型文件“resnet18.pt”，准备的工作就做完了。   下面到官网下载程序包   在这里插入图片描述   解压完里面是这样的   在这里插入图片描述   感觉很亲切，因为基本上所有的库都长这鸟样。下一步也跟所有其他库一样，我们新建一个C++工程，然后把上图中的“include”和“lib”往里面扔，再添加到工程里面的“包含目录”和“库目录”即可。   链接库一般会用到下面三个，添加进去   
torch.lib
c10.lib
caffe2.lib
  到这步就基本做完了。但编译会出错，需要再设置两项参数：   第一项：属性->C/C++ ->常规->SDL检查->否   第二项：属性->C/C++ ->语言->符号模式->否   搞定！   完成了上面简单的配置，用下面的代码就可以在c++上运行程序啦（编译出来缺少dll，则在之前下的libtorch包里面找）！   
#include <torch/script.h>
#include <iostream>
#include <memory>

int main()
{
	// 读取网络模型
	std::shared_ptr<torch::jit::script::Module> module = torch::jit::load("resnet18.pt");
	assert(module != nullptr);
	std::cout << "读取正常\n";
	// 创建输入
	std::vector<torch::jit::IValue> inputs;
	inputs.push_back(torch::ones({ 1, 3, 224, 224 }));
	// 数据输入网络，获得输出
	at::Tensor output = module->forward(inputs).toTensor();
	std::cout << output.slice(/*dim=*/1, /*start=*/0, /*end=*/5) << std::endl;
}
  参考文章：https://blog.csdn.net/weixin_41576121/article/details/85110423