中文 | English

环境

• Libtorch 1.7+
• Opencv 2.4+

目录

• 环境配置
• 张量操作
• 基础模型
• 数据集使用
• 训练 VGG 模型
• 训练 U-Net 模型
• 训练 YOLOv4 Tiny 模型
• 总结

相关仓库

基于 libtorch，我发布了以下仓库：

• LibtorchTutorials
• LibtorchSegmentation
• LibtorchDetection

LibtorchTutorials 快速上手指南

LibtorchTutorials 是一个专注于 LibTorch（PyTorch C++ API）的教程代码库，涵盖从环境配置、张量操作到训练 VGG、U-Net 及 YOLOv4-tiny 等经典模型的完整流程。

环境准备

在开始之前，请确保您的开发环境满足以下最低要求：

• LibTorch: 版本 1.7 或更高
• OpenCV: 版本 2.4 或更高
• 编译器: 支持 C++14 标准的编译器（如 GCC, Clang, MSVC）
• 构建工具: CMake 3.0+

提示：国内开发者可通过清华源或阿里源加速 LibTorch 和依赖包的下载。

安装步骤

1. 克隆项目

使用 git 克隆本仓库到本地：

git clone https://github.com/AllentDan/LibtorchTutorials.git
cd LibtorchTutorials

2. 下载 LibTorch

访问 PyTorch 官网 下载对应版本的 LibTorch。

• 国内加速推荐：如果官网下载缓慢，可使用国内镜像或手动下载后解压。
• 确保下载包含 CUDA 支持的版本（如需 GPU 加速）或 CPU 版本。

假设将 LibTorch 解压至 /path/to/libtorch。

3. 配置与编译

以第一个课程（环境配置）为例，进入对应目录并构建：

cd lesson1-Environment
mkdir build && cd build
cmake -DCMAKE_PREFIX_PATH=/path/to/libtorch ..
make

注意：请将 /path/to/libtorch 替换为您实际的 LibTorch 解压路径。如果使用 Windows + Visual Studio，可使用 cmake -G "Visual Studio 16 2019" -DCMAKE_PREFIX_PATH=... .. 生成解决方案文件。

基本使用

本仓库按课程章节组织，每个章节都是一个独立的可运行示例。以下是运行“张量操作”示例的流程：

1. 进入课程目录：

   cd ../lesson2-TensorOperations
   

2. 构建项目：

   mkdir build && cd build
   cmake -DCMAKE_PREFIX_PATH=/path/to/libtorch ..
   make
   

3. 运行示例： 执行生成的二进制文件（通常在当前目录下）：

   ./TensorOperations
   # Windows 下为: TensorOperations.exe
   

程序将输出关于 LibTorch 张量创建、运算及属性访问的控制台日志。您可以参考 lesson2-TensorOperations/main.cpp 源码学习具体的 C++ API 调用方式。

按照 Table of contents 中的顺序，您可以依次学习数据集加载、模型定义以及训练 VGG、U-Net 和 YOLOv4-tiny 等进阶内容。