首页源码编译正文

我要投稿

windows 编译源码包-windows10环境下torchvision源码编译安装

bendan520 源码编译

2023-08-30 0 2,603 百度已收录

立即下单

进入商城

进不了网站？换个网络试试！

本文主要参考：

(1)

Ubuntu18下编译安装torchvision详细流程—C++API_Flag_ing的博客-CSDN博客_编译torchvision

（二）libtorch和torchvision的编译安装_陈建渠的博客-CSDN博客_torchvision编译

(3)在Win10上编译安装libtorch+torchvision_阿白的博客-CSDN博客_在win10上编译libtorch

一、简介

最近，我使用libtorch来部署yolov5网络模型。我用的是大步行道的yolort。关键部分是将后处理nms与后面的模型部分一起导入，并使用torchvision自带的gpu版本的nms。因此c++端使用官方的nms.h等文件，但是这个文件需要安装torchvision，而torchvision并没有包含在官方的LibTorch包中，需要自己下载源码编译安装。在安装过程中，遇到了一些问题，在此记录一下。

2.编译安装步骤

1.下载torchvision源码包

vision,特定于计算机视觉的数据集、转换和模型,下载vision的源码_GitHub_帮酷

这里需要注意的一件事是安装的 torchvision 必须与您的 LibTorch 版本相对应。从GitHub主页的标签中下载对应版本的torchvision。这个对应关系在官方GitHub上的解释如下：

我目前使用的libtorch是1.9版本，所以我按照pytorch类比，torchvision的版本是0.10.0

2、详细安装步骤

（1）解压源码包并重命名为vision（为了方便）

(2)新建torchvision文件夹

(3)在vision下新建build文件夹并输入

(4)安装pybind

需要CMake，最好是最新版本。安装CMake后，打开cmd命令行并输入以下命令。注意路径。

git clone https://github.com/pybind/pybind11.git
cd pybind11
mkdir build
cd build
cmake -DPYBIND11_TEST=OFF -DCMAKE_INSTALL_PREFIX="wheretoinstallpybind11" .. 
cmake --install .

如果cmake报错！看这个：因为c++编译器是VS默认使用的32位编译器，所以如果使用的python是64位的话，就会报错。解决办法就是将cmake这句替换成下面的命令windows 编译源码包，然后安装即可。（其实就是指定64位编译器，至于VS的具体版本，要根据自己安装的版本来替换，错误信息上有提示）

(5)安装libjpeg和zlib

接下来，使用 conda 命令行在环境中安装两个包：

conda install -c conda-forge libjpeg-turbo
conda install -c anaconda zlib

这一步是因为torchvision的CMakeLists.txt中有这几行：

find_package(Python3 COMPONENTS Development)
find_package(Torch REQUIRED)
find_package(PNG REQUIRED)
find_package(JPEG REQUIRED)

这意味着这里不仅需要libtorch，还需要PNG和JPEG。如果不安装这两个东西的话windows 编译源码包，前面会报错。

(6)构建火炬愿景

cmake -DCMAKE_PREFIX_PATH="D:programfilelibtorch;C:wheretoinstallpybind11" .. -DCMAKE_INSTALL_PREFIX="D:programfiletorchvision_0100torchvision" -DCMAKE_BUILD_TYPE=Release -DWITH_CUDA=ON ..

注意：因为我要安装GPU版本，所以如果要安装CPU版本，不能在Release前的命令行中添加-DWITH_CUDA=ON参数

完成后，构建文件夹应该生成这些内容：

（7）cmake工程完善后的VS编译安装

这一步和linux下是等价的

这里我在vs2019下编译生成：

步骤1：双击torchvision.sln

step2：修正编译模式并设置启动项

上面cmake完善工程时我们选择的是Release模式，所以这里vs编译要修正为Release模式，并将ALL_BUILD设置为启动工程。右键ALL_BUILD>Generate

我查看了build编译安装后的文件夹下，可能只有Release

有用的文件夹：

另外，我们认为我们不应该只需要这个torchvision.dll和torchvision.lib。因为我发现就torchvision源码包自带的例子来说，需要.h文件：

让我们测试一下这个例子：

步骤3：精简编译torchvision库和测试代码示例

CMakeLists.txt：

cmake_minimum_required(VERSION 3.10)
project(hello-world)
# The first thing do is to tell cmake to find the TorchVision library.
# The package pulls in all the necessary torch libraries,
# so there is no need to also add `find_package(Torch)` here.
find_package(TorchVision REQUIRED)
add_executable(hello-world main.cpp)
# We now need to link the TorchVision library to our executable.
# We can do that by using the TorchVision::TorchVision target,
# which also adds all the necessary torch dependencies.
target_compile_features(hello-world PUBLIC cxx_range_for)
target_link_libraries(hello-world TorchVision::TorchVision)
set_property(TARGET hello-world PROPERTY CXX_STANDARD 14)

主要.cpp：

#include 
#include 
#include 
#include 
int main()
{
  auto model = vision::models::ResNet18();
  model->eval();
  // Create a random input tensor and run it through the model.
  auto in = torch::rand({1, 3, 10, 10});
  auto out = model->forward(in);
  std::cout <to(torch::kCUDA);
    auto gpu_in = in.to(torch::kCUDA);
    auto gpu_out = model->forward(gpu_in);
    std::cout << gpu_out.sizes();
  }
}

自述文件.rst：

Hello World!
============
This is a minimal example of getting TorchVision to work in C++ with CMake.
In order to successfully compile this example, make sure you have both ``LibTorch`` and
``TorchVision`` installed.
Once both dependencies are sorted, we can start the CMake fun:
1) Create a ``build`` directory inside the current one.
2) from within the ``build`` directory, run the following commands:
    - | ``cmake -DCMAKE_PREFIX_PATH=";" ..``
      | where ```` and ```` are the paths to the libtorch and torchvision installations.
    - ``cmake --build .``
| That's it!
| You should now have a ``hello-world`` executable in your ``build`` folder.
 Running it will output a (fairly long) tensor of random values to your terminal.

在这个测试用例中，我最终没有使用cmake。

我最终自己创建了一个新的解决方案，然后配置相关属性：

附加依赖项：

火炬视觉库

c10.lib

动能库

C:Program FilesNVIDIA CorporationNvToolsExt\libx64nvToolsExt64_1.lib

cudart_static.lib

caffe2_nvrtc.lib

c10_cuda.lib

火炬库

torch_cuda.lib