深度学习--第1篇(续): Ununtu16.04源码编译libtorch(GUDA版本)环境配置_libtorch 国内镜像源

1.参考博客

Pytorch+libtorch编译
libtorch源码编译

2.准备工作

笔者采用Anaconda的虚拟环境下安装Pytorch 1.5.0版本，具体版本如下：torchvision=0.6.0，python=3.6，CUDA=10.1， cudnn=7.6.5
（上述的需要预先安装完成）

具体安装步骤可参考上一篇博客：Pytorch安装

3.Libtorch编译安装

3.1 下载Pytorch源码

# 1.切换到conda的虚拟环境下
source activate wind

# 2 由于pytorch的官网下载速度慢，可以参考笔者的另一篇，添加清华的镜像源下载
[清华镜像源安装方法](https://blog.csdn.net/qq_37568167/article/details/105620960)

# 3.安装依赖库， 需要注意 cmake版本采用3.5.1，如果版本过高会存在编译不通过
conda install numpy ninja pyyaml mkl mkl-include setuptools cffi typing_extensions future six requests dataclasses

# 4.安装对CUDA的支持包， 对应自己版本的cuda，笔者的时10.1 
conda install  magma-cuda101  # or [ magma-cuda102 | magma-cuda100 | magma-cuda92 ] 
# conda install -c pytorch magma-cuda101  

# 5. 编译Pytorch
# 由于官网的下载较慢，笔者采用国内gitee上进行下载, 下载时间大约需要1.5个小时
git clone https://gitee.com/wind_x/pytorch.git

# 6. 下载完成后，进行获取其中的子模块
cd pytorch
git submodule sync
git submodule update --init --recursive

# 7. 选择自己需要的Pytorch版本，需要与anaconda安装的pytorch版本对应,笔者的是1.5.0版本
git tag -l
git checkout v1.5.0

# 8.编译pytorch, 需要大约2个小时；安装扔需要2个小时，共计4个小时
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
mkdir build
cd build
cmake ..
make -j4
sudo make install

# 9.编译成功后，会生成libtorch.so动态链接库，存储位置
动态链接库： /usr/local/lib/libtorch.so
功能包： /usr/local/share/cmake/Torch
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

3.2 下载libtorch库

注意： libtorch版本向上兼容，即高版本的pytorch和低版本的libtorch（例如笔者：Pytorch=1.5.0, libtorch=1.3.0）, 一定要选择下载c++11的预编译版本，使用ABI编译的版本

由于笔者采用的时pytorch=1.5.0, 且 cuda=10.1, 因此下载libtorch<=1.5.0的库，但是cuda需要对应。 具体的libtorch下载地址：libtorch=1.3.0, cuda=10.1

https://download.pytorch.org/libtorch/cu101/libtorch-cxx11-abi-shared-with-deps-1.3.0.zip

其中加粗部分可以根据自己的需求进行更换，主要是cuda版本号与pytorch版本号 （libtorch1.6.0版本之前的都可以）

# 解压，解压后得到的libtorch文件夹便是可以直接使用的
unzip libtorch-cxx11-abi-shared-with-deps-1.3.0.zip
1
2

3.3 CMakeLists编写

# 使用libtorch时，需要在CMakeLists.txt中添加
# 表示的时通过3.3节libtorch下载解压后的文件夹位置
set(CMAKE_PREFIX_PATH "/home/lenovo/libtorch")
add_definitions(-D_GLIBCXX_USE_CXX11_ABI=1)

# 寻找torch包时可以放在其他的下面
find_package(Torch REQUIRED)
1
2
3
4
5
6
7

较为完整的CMakeLists.txt文件

cmake_minimum_required(VERSION 3.0.2)
project(CNN_SLAM)

set(CMAKE_BUILD_TYPE "Release")
set(CMAKE_CXX_FLAGS "-std=c++11")
set(CMAKE_CXX_FLAGS_RELEASE "-O3 -Wall -g")

## Find catkin macros and libraries
find_package(catkin REQUIRED COMPONENTS
  cv_bridge
  roscpp
  rospy
  sensor_msgs
  std_msgs
)

## System dependencies are found with CMake's conventions
find_package(OpenCV 3.0 REQUIRED)
find_package(Eigen3 REQUIRED)

catkin_package(

)


include_directories(
  # include
  ${catkin_INCLUDE_DIRS}
  ${OpenCV_INCLUDE_DIRS}
  ${EIGEN_INCLUDE_DIRS}
)

set(CMAKE_PREFIX_PATH "/home/lenovo/libtorch")
add_definitions(-D_GLIBCXX_USE_CXX11_ABI=1)
find_package(Torch REQUIRED)
include_directories(include/)

## Declare a C++ library
add_library(${PROJECT_NAME} SHARED
  src/cnn_slam.cpp
)

target_link_libraries(${PROJECT_NAME} 
${catkin_LIBRARIES} 
${OpenCV_LIBS}
${EIGEN_LIBS}
${TORCH_LIBRARIES}
)


## Declare a C++ executable
add_executable(CNN_SLAM_node CNN_SLAM_node.cpp)

target_link_libraries(CNN_SLAM_node ${PROJECT_NAME})
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

4.低版本兼容问题（权重加载）

# 对于v1.1.0
std::shared_ptr<torch::jit::script::Module> module = torch::jit::load("./model.pt");

# >1.1.0
torch::jit::script::Module module = torch::jit::load("./model.pt");
1
2
3
4
5