Dann werde ich das spezifische Verfahren erklären.

Vorbereitungen

--Erforderlich --Installation von Ubuntu (18.04, 20.04)

• Bei Verwendung einer GPU --Installation des NVIDIA-Treibers ([18.04](https://qiita.com/koba-jon/items/a7c5239fb5c05172c1b3#1-nvidia%E3%83%89%E3%83%A9%E3%82%A4%E3% ") 83% 90% E3% 83% BC% E3% 81% AE% E3% 82% A4% E3% 83% B3% E3% 82% B9% E3% 83% 88% E3% 83% BC% E3% 83% AB))) --Installieren von CUDA ([18.04](https://qiita.com/koba-jon/items/a7c5239fb5c05172c1b3#2-cuda%E3%81%AE%E3%82%A4%E3%83%B3%E3%82] % B9% E3% 83% 88% E3% 83% BC% E3% 83% AB)) --Installation von cuDNN ([18.04](https://qiita.com/koba-jon/items/a7c5239fb5c05172c1b3#3-cudnn%E3%81%AE%E3%82%A4%E3%83%B3%E3%82] % B9% E3% 83% 88% E3% 83% BC% E3% 83% AB))

Laden Sie LibTorch herunter

PyTorch Official: https://pytorch.org/ Greifen Sie auf den Link zu und führen Sie die folgenden Schritte aus, um LibTorch herunterzuladen.

• PyTorchBuild
  Wählen Sie ** "Stabil" **, wenn Sie die stabile Version verwenden möchten, ** "Vorschau" **, wenn Sie die neueste Version verwenden möchten
• Your OS
  Da wir diesmal Ubuntu verwenden, wählen Sie ** "Linux" **
• Package
  Da diesmal LibTorch verwendet wird, wählen Sie ** "LibTorch" **
• Language
  Da diesmal C ++ verwendet wird, wählen Sie ** "C ++ / Java" **
• CUDA
  Wählen Sie ** "Versionsname" **, wenn Sie eine GPU verwenden, ** "Keine" **, wenn Sie diese nicht verwenden
• Run this Command
  Da der Compiler C ++ 11 oder höher verwendet wird, wählen Sie ** "Hier herunterladen (cxx11 ABI)" **

Damit ist der Download von LibTorch selbst abgeschlossen. Es wird empfohlen, das Verzeichnis selbst an einem leicht verständlichen Ort abzulegen (z. B. direkt unter dem Ausgangsverzeichnis).

Funktionsprüfung

Erstellen Sie zunächst einen ** temporären Quellcode **.

$ mkdir libtorch_test
$ cd libtorch_test
$ vi main.cpp

Fügen Sie den folgenden Code hinzu und speichern Sie ihn. Dies ist ein Programm, das eine 3x3-Matrix (Tensor zweiter Ordnung) mit dem Float-Element 1.5 erstellt und auf dem Konsolenbildschirm anzeigt.

main.cpp

#include <iostream>
#include <torch/torch.h>

int main(void){
    torch::Tensor x = torch::full({3, 3}, 1.5, torch::TensorOptions().dtype(torch::kFloat));
    std::cout << x << std::endl;
    return 0;
}

Dieses Mal werden wir "Makefile" verwenden, um den Quellcode einfach zu erstellen. Erstellen Sie außerdem "CMakeLists.txt", um das "Makefile" zu erstellen.

$ vi CMakeLists.txt

Die einfachste CMakeLists.txt ist: ** Kopieren und speichern ** Sie dies.

CMakeLists.txt

cmake_minimum_required(VERSION 3.0 FATAL_ERROR)

# Project Name
project(test CXX)

# Find Package
find_package(Torch REQUIRED)

# Create Executable File
add_executable(${PROJECT_NAME} main.cpp)
target_link_libraries(${PROJECT_NAME} ${TORCH_LIBRARIES})
set_property(TARGET ${PROJECT_NAME} PROPERTY CXX_STANDARD 17)

Um es kurz zu erklären, lautet die erste Zeile "Geben Sie die Version von cmake an", die nächste "Geben Sie den Projektnamen und den C ++ - Compiler an", die nächste "Geben Sie die zu durchsuchende Bibliothek an", die nächste "Geben Sie die zu kompilierende Datei an" an und die nächste Es bedeutet "Geben Sie die Bibliothek an" und schließlich "Geben Sie die Version des C ++ - Compilers an".

Erstellen Sie als Nächstes ein Build-Verzeichnis und führen Sie cmake aus. Geben Sie hier ** den Pfad des zuvor heruntergeladenen Libtorch-Verzeichnisses ** zusammen ein. (Wenn sich "~ / libtorch" direkt unter dem Home-Verzeichnis befindet)

$ mkdir build
$ cd build
$ cmake .. -DCMAKE_PREFIX_PATH=~/libtorch

Dadurch wird ein Makefile erstellt. Führen Sie also make aus, um es zu erstellen.

$ make

Führen Sie abschließend die ausführbare Datei aus.

$ ./test

Wenn Folgendes angezeigt wird, ist dies erfolgreich.

 1.5000  1.5000  1.5000
 1.5000  1.5000  1.5000
 1.5000  1.5000  1.5000
[ CPUFloatType{3,3} ]

** LibTorchs eigene Umgebungskonstruktion ist jetzt abgeschlossen </ font> **! Installieren Sie danach die abhängige Bibliothek und stellen Sie sie so ein, dass der Beispielcode ausgeführt werden kann.

$ sudo apt install libboost-dev libboost-all-dev

$ sudo apt install gnuplot

$ sudo apt install libpng++-dev

$ cd ~
$ git clone https://github.com/koba-jon/pytorch_cpp.git
$ cd pytorch_cpp

$ vi utils/CMakeLists.txt

3: # LibTorch
4: set(LIBTORCH_DIR $ENV{HOME}/libtorch)
5: list(APPEND CMAKE_PREFIX_PATH ${LIBTORCH_DIR})

$ cd AE2d
$ mkdir build
$ cd build
$ cmake ..
$ make -j4
$ cd ..

$ cd datasets
$ ln -s <dataset_path> ./celebA_org

$ sudo apt install python3 python3-pip
$ pip3 install natsort
$ sh hold_out.sh
$ mv ./celebA/valid ./celebA/test
$ cd ..

$ vi scripts/train.sh

#!/bin/bash

DATA='celebA'

./AE2d \
    --train true \
    --epochs 300 \ #Wechseln Sie zu 1
    --dataset ${DATA} \
    --size 256 \ #Wechseln Sie zu 64
    --batch_size 16 \
    --gpu_id 0 \
    --nc 3

$ sh scripts/train.sh

$ vi scripts/test.sh

#!/bin/bash

DATA='celebA'

./AE2d \
    --test true \
    --dataset ${DATA} \
    --test_in_dir "test" \
    --test_out_dir "test" \
    --size 256 \ #Wechseln Sie zu 64
    --gpu_id 0 \
    --nc 3

$ sh scripts/test.sh