快捷方式

C++

注意

如果您正在寻找 PyTorch C++ API 文档,请直接访问 此处

PyTorch 提供了多个用于处理 C++ 的功能,最好根据您的需求从中进行选择。在高级别上,提供以下支持

TorchScript C++ API

TorchScript 允许在 Python 中定义的 PyTorch 模型被序列化,然后在 C++ 中加载和运行,通过编译或跟踪其执行来捕获模型代码。您可以在 在 C++ 教程中加载 TorchScript 模型 中了解更多信息。这意味着您可以在 Python 中尽可能多地定义模型,但随后通过 TorchScript 导出它们,以便在生产或嵌入式环境中进行无 Python 执行。TorchScript C++ API 用于与这些模型和 TorchScript 执行引擎交互,包括

  • 加载从 Python 保存的序列化 TorchScript 模型

  • 根据需要进行简单的模型修改(例如提取子模块)

  • 使用 C++ 张量 API 构建输入并进行预处理

使用 C++ 扩展扩展 PyTorch 和 TorchScript

TorchScript 可以通过自定义运算符和自定义类来增强用户提供的代码。一旦在 TorchScript 中注册,这些运算符和类就可以在从 Python 或从 C++ 运行的 TorchScript 代码中调用,作为序列化 TorchScript 模型的一部分。在 使用自定义 C++ 运算符扩展 TorchScript 教程中逐步介绍了 TorchScript 与 OpenCV 的接口。除了使用自定义运算符包装函数调用之外,C++ 类和结构体还可以通过类似 pybind11 的接口绑定到 TorchScript 中,这在 使用自定义 C++ 类扩展 TorchScript 教程中进行了说明。

C++ 中的张量和 Autograd

PyTorch Python API 中的大多数张量和 autograd 操作在 C++ API 中也可用。这些包括

在 C++ 中编写模型

“在 TorchScript 中编写,在 C++ 中推理”工作流程要求模型编写在 TorchScript 中完成。但是,在某些情况下,模型必须在 C++ 中编写(例如在不需要 Python 组件的工作流程中)。为了满足此类用例,我们提供了在 C++ 中纯净地编写和训练神经网络模型的完整功能,并具有熟悉的组件,例如 torch::nn / torch::nn::functional / torch::optim,它们与 Python API 非常相似。

C++ 的打包

有关如何安装和链接 libtorch(包含所有上述 C++ API 的库)的指南,请参阅:https://pytorch.ac.cn/cppdocs/installing.html。请注意,在 Linux 上提供了两种类型的 libtorch 二进制文件:一种使用 GCC 预 cxx11 ABI 编译,另一种使用 GCC cxx11 ABI 编译,您应根据系统使用的 GCC ABI 进行选择。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源