Ensuite, j'expliquerai la procédure spécifique.

Préparation préalable

--Obligatoire --Installation d'Ubuntu (18.04, 20.04)

--Lors de l'utilisation du GPU --Installation du pilote NVIDIA ([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% UN B))) --Installation de 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)) --Installez 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))

Télécharger LibTorch

Officiel PyTorch: https://pytorch.org/ Accédez au lien et suivez les étapes ci-dessous pour télécharger LibTorch.

• PyTorchBuild
  Sélectionnez ** "Stable" ** si vous souhaitez utiliser la version stable, ** "Preview" ** si vous souhaitez utiliser la dernière version
• Your OS
  Puisque nous utilisons Ubuntu cette fois, sélectionnez ** "Linux" **
• Package
  Puisque LibTorch sera utilisé cette fois, sélectionnez ** "LibTorch" **
• Language
  Puisque C ++ est utilisé cette fois, sélectionnez ** "C ++ / Java" **
• CUDA
  Sélectionnez ** "Nom de la version" ** si vous utilisez un GPU, ** "Aucun" ** si vous ne l'utilisez pas
• Run this Command
  Puisque le compilateur C ++ 11 ou supérieur est utilisé, sélectionnez ** "Télécharger ici (cxx11 ABI)" **

Ceci termine le téléchargement de LibTorch lui-même. Il est recommandé de placer le répertoire lui-même dans un emplacement facile à comprendre (tel que directement sous le répertoire personnel).

Contrôle de fonctionnement

Tout d'abord, créez un ** code source temporaire **.

$ mkdir libtorch_test
$ cd libtorch_test
$ vi main.cpp

Ajoutez le code suivant et enregistrez-le. Il s'agit d'un programme qui crée une matrice 3x3 (tenseur du second ordre) avec l'élément de type Float 1.5 et l'affiche sur l'écran de la console.

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;
}

Cette fois, nous utiliserons "Makefile" pour construire facilement le code source. Créez également "CMakeLists.txt" pour créer le "Makefile".

$ vi CMakeLists.txt

Le CMakeLists.txt le plus simple est: ** Copiez et enregistrez ** ceci.

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)

En bref, la première ligne est "spécifier la version de cmake", la suivante est "spécifier le nom du projet et le compilateur C ++", la suivante est "spécifier la bibliothèque à rechercher", la suivante est "spécifier le fichier à compiler", et la suivante Cela signifie "spécifier la bibliothèque" et enfin "spécifier la version du compilateur C ++".

Ensuite, créez un répertoire de construction et exécutez cmake. Ici, ** entrez le chemin du répertoire libtorch que vous avez téléchargé précédemment ** ensemble. (Lorsque "~ / libtorch" est directement sous le répertoire personnel)

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

Cela créera un Makefile, alors lancez make pour le construire.

$ make

Enfin, exécutez le fichier exécutable.

$ ./test

Si ce qui suit est affiché, cela réussit.

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

** La construction de l'environnement de LibTorch lui-même est maintenant terminée </ font> **! Après cela, installez la bibliothèque dépendante et définissez-la pour que l'exemple de code puisse être exécuté.

$ 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 \ #Changer en 1
    --dataset ${DATA} \
    --size 256 \ #Changer en 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 \ #Changer en 64
    --gpu_id 0 \
    --nc 3

$ sh scripts/test.sh