極智AI | libtorch 調用模型推理方法

  ​

​歡迎關注我的公衆号 [極智視界]，擷取我的更多筆記分享​

​

  大家好，我是極智視界，本文介紹一下 libtorch 調用模型推理方法。

  之前寫了一篇《​​ubuntu 安裝 libtorch​​》，是以關于 ubuntu 上安裝 libtorch 的方法，有興趣的同學可以自行檢視。libtorch 是 pytorch 的 C++ 版本，支援 CPU 端和 GPU 端的模型部署。相較于用 tensorrt 部署 pytorch 模型，用 libtorch的優勢在于：pytorch 和 libtorch 同屬一個生态，API 語句比較接近，并且不會出現某網絡層不支援的問題。這裡咱們來看一下 libtorch 怎麼調用模型進行推理的。

  下面開始。

  這裡咱們以 resnet50 為例。

  首先加載 resnet50 模型，并導出 trace 模型。

# 準備一個 py 腳本，裡面内容如下
import torch
import torchvision

model = torchvision.models.resnet50(pretrained=False)
model = model.eval().cuda()
input_data = torch.randn(1, 3, 224, 224).cuda()

# export trace model
traced_script_model = torch.jit.trace(model, input_data)
output = traced_script_model(data)
traced_script_model.save('resnet50.pt')

print(output)      

  這裡就會導出 trace 模型 resnet50.pt。然後編寫推理工程。

  先寫 infer.cpp：

// infer.cpp
#include "torch/torch.h"
#include "torch/script.h"
#include <iostream>

int main(){
  // torch::Tensor tensor = torch::ones(3);
  // std::cout << tensor << std::endl;
  torch::jit::script::Module module;
  module = torch::jit::load("~/resnet50.pt");    // 導入前面生成的trace模型
  module.to(at::kCUDA);                          // 放到GPU上執行

  // 建構輸入張量
  std::vector<torch::jit::IValue> inputs;
  inputs.push_back(torch::ones({1, 3, 224, 224}).to(at::kCUDA));

  // 執行推理
  at::Tensor output = module.forward(inputs).toTensor();

  std::cout << output << std::endl;
}      

  然後編寫 CMakeList.txt：

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)
find_package(PythonInterp REQUIRED)

project(infer_resnet50)

set(Torch_DIR ~/libtorch/share/cmake/Torch)  #你解壓的libtorch的絕對路徑
find_package(Torch REQUIRED)

set(CMAKE_CXX_FLAGS "${CAMKE_CXX_FLAGS} ${TORCH_CXX_FLAGS}")
set(CUDA_INCLUDE_DIRS "/usr/local/cuda/include")

add_executable(infer_resnet50 infer.cpp)

#link libtorch .a .so
target_link_libraries(infer_resnet50 "${TORCH_LIBRARIES}")
target_include_directories(infer_resnet50 PRIVATE CUDA_INCLUDE_DIRS)

#
set_property(TARGET infer_resnet50 PROPERTY CXX_STANDARD 14)      

  開始編譯 & 執行：

mkdir build
cd build
cmake ..
make      

  正常執行輸出結果：

  好了，以上分享了 libtorch 調用模型推理方法。希望我的分享能對你的學習有一點幫助。