利用LibTorch构建神经网络（第一部分）

2023-10-26 21:10:26

许多人认为安装LibTorch会很费劲，但实际上，按照官方指南一步步操作即可顺利完成安装。其实主要原因是人们对CMake如何编译C++项目并不熟悉。首先，从官方网站下载LibTorch。

前往[LibTorch下载页面](https://pytorch.org/get-started/locally/)，选择与你的操作系统和CUDA版本兼容的二进制文件。

下载完成后，解压文件到一个方便的位置，比如你的主目录。

在终端中导航到已解压的LibTorch目录。

运行以下命令来设置环境变量：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/libtorch/lib

替换/path/to/libtorch/lib为LibTorch库的实际路径。

现在你可以验证安装是否成功：

python -c "import torch; print(torch.__version__)"

如果一切顺利，你应该会看到LibTorch的版本号。

现在我们已经完成了LibTorch的安装，让我们开始构建神经网络吧！

创建一个新项目

首先，创建一个新的目录来存放你的项目。然后，使用CMake创建一个新的项目。

mkdir my_project
cd my_project
cmake -G "Unix Makefiles"

这将在你的项目目录中创建一个CMakeLists.txt文件，以及build和src子目录。

编写你的第一个神经网络

现在让我们编写第一个神经网络。在src目录中创建一个新的文件main.cpp，并添加以下代码：

#include <torch/torch.h>

int main() {
  // 定义一个简单的线性回归模型
  torch::nn::Linear model(2, 1);

  // 准备训练数据
  torch::Tensor x = torch::rand({100, 2});
  torch::Tensor y = x.sum(1).unsqueeze(1);

  // 定义损失函数和优化器
  torch::nn::MSELoss loss_fn;
  torch::optim::SGD optimizer(model->parameters(), 0.01);

  // 训练模型
  for (int epoch = 0; epoch < 1000; ++epoch) {
    optimizer.zero_grad();
    torch::Tensor y_pred = model->forward(x);
    torch::Tensor loss = loss_fn(y_pred, y);
    loss.backward();
    optimizer.step();
  }

  // 评估模型
  torch::Tensor y_pred = model->forward(x);
  torch::Tensor loss = loss_fn(y_pred, y);
  std::cout << "Loss: " << loss.item<float>() << std::endl;

  return 0;
}