问题标签 [libtorch]

如果我std::vector<torch::nn::Linear> linear_layers;用一些对象定义并填充这个向量torch::nn::Linear，那么我可以通过and访问weightandbias值。其他图层类型也可以使用相同的功能，例如.linear_layers[k].weightlinear_layers[k].biastorch::nn::Conv2d

如果使用创建我的网络nn::sequential然后推回其中一个，Linear或者Conv2d我无法直接访问weightand bias。现在，我的问题是如何在使用后访问每一层的权重和偏差值nn::sequential？

谢谢， 阿夫辛

我正在尝试使用 pytorch/libtorch 实现一个简单的神经网络。以下示例改编自libtorch cpp 前端教程。

请注意，该函数forward已声明const。我正在编写的代码要求 NN 的评估是一个 const 函数，这对我来说似乎是合理的。但是，此代码无法编译。编译器抛出

错误：不匹配调用 '(const torch::nn::Linear) (at::Tensor&)'<br> x = linear1(x);

我已经找到了解决这个问题的方法，通过将图层定义为mutable：

所以我的问题是

1. 为什么在张量上应用层不是const
2. 正在使用mutable这种方法来解决这个问题，它安全吗？

我的直觉是，在前向传播中，层被组装成一个可用于反向传播的结构，需要一些写入操作。如果这是真的，那么问题就变成了如何在第一步（非const）中组装层，然后在第二步（const）中评估结构。

我想将张量转换为图像数组并使用 tensor.data() 方法。

但它不起作用。

运行时日志如下所示：

加载脚本模块：model_myo_jit.pt

加载脚本模块 DONE Load

图片：patch_6.nii.gz

加载图像完成！

输入大小：128、128、128

将 itk 转换为数组 DONE！

将数组转换为张量完成！

推理完成！

张量 dtype = unsigned char

张量大小 = [1, 1, 96, 96, 96]

开始！

分段错误（核心转储）

为什么以及如何转换？

我有大约 26 个静态库，例如liba.a, libb.a, libc.a, ..., libz.a. 这里有两个问题：

1) 例如liba.a和之间的循环依赖libb.a；

2) 一些lib*.a具有未引用的静态全局注册代码，但不应被剥离。

感谢stackoverflow，我设法用 ld 选项解决了上述两个问题 -Wl,--whole-archive -la -lb -lc -ld -le ...(omitted)... -lz -Wl,--no-whole-archive -lpthread -lm -ldl -lrt -fopenmp，并且可执行二进制文件有效！ld 链接器问题中也对此进行了解释： --whole-archive 选项

现在我需要将所有 26个组合lib*.a成一个静态库liball.a。还要感谢 stackoverflow，下面的 MRI script.mriliball.a通过命令成功生成ar -M < script.mri

但是，与新组合的静态库链接时出现了问题liball.a：

1）使用选项-Wl,--whole-archive -lall -Wl,--no-whole-archive -lpthread -lm -ldl -lrt -fopenmp失败！它产生数千个multiple defined symbols error或undefined symbols error！

2）没有选项-Wl,--whole-archive，链接命令-lall -lpthread -lm -ldl -lrt -fopenmp成功生成可执行二进制文件。但是，二进制文件无法执行，抱怨一些设备注册代码错误。我知道这是由于链接时某些 CPU 初始化代码被删减所致。下面是详细的错误

这里也提到了这个问题https://github.com/pytorch/pytorch/issues/14367

解决它的一种方法是使用选择性注册。任何人都可以分享更多细节吗？

这个问题不是如何将两个“ar”静态库合并为一个？ MRI 脚本方法来自上述链接的最高投票答案，它不起作用。请删除重复标记，以便人们可以贡献。谢谢。

更新：我尝试了我队友之前下载的v1.1.0源，然后这个问题就消失了。似乎主分支（190604）存在以下问题。尝试使用标签 v1.1.0 而不是 master。

我从 github 下载了 pytorch 源来构建 libtorch。使用以下命令：

然后运行

然后得到以下错误消息：

如何正确构建 libtorch？

在 Python 中，给定一个二维张量，我们可以使用tensor[:,:2]对矩阵左上角前两个元素的 2x2 矩阵进行切片，例如：

[出去]：

对于 PyTorch 的 ATen，在 C++ 中做这件事的正确方法是什么？

例如，在 LSTM 中，https: //github.com/pytorch/pytorch/blob/master/aten/src/ATen/native/RNN.cpp#L253 有 gate.chunk(4,1) 函数

如果我想做一个gate[:,:2].chunk(2,1)提取门的不同部分，例如auto partial_gates = gates[:,:2].chunk(4, 1);，怎么做？

我正在尝试使用 LibTorch 导出经过训练的模型以及权重以在 C++ 中进行推理。但是，输出张量结果不匹配。

输出张量的形状是相同的。

但是会生成一些警告，我认为这可能会导致生成不正确的结果。

/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:137：TracerWarning：将张量转换为 Python 索引可能会导致跟踪不正确。我们无法记录 Python 值的数据流向，所以以后这个值会被当作一个常量来处理。这意味着跟踪可能不会推广到其他输入！/usr/local/lib/python3.6/dist-packages/torch/tensor.py:435：RuntimeWarning：迭代张量可能会导致跟踪不正确。传递不同形状的张量不会改变执行的迭代次数（并可能导致错误或默默地给出不正确的结果）。'不正确的结果）。'，category=RuntimeWarning）

以下是生成输出张量的 LibTorch 代码

有没有人尝试在 LibTorch 中使用经过训练的 PyTorch 模型？

我正在尝试使用 PyTorch网站上的此示例代码来转换 Python 模型以在 PyTorch c++ api (LibTorch) 中使用。

此示例工作正常，并按预期保存文件。当我切换到这个模型时：

model = models.segmentation.deeplabv3_resnet101(pretrained=True)

它给了我以下错误：

我认为这是因为example格式错误，但是我怎样才能得到正确的格式呢？

根据下面的评论，我的新代码是：

我现在得到错误：

我需要将一个张量 (in ) 的一行复制c++ API到另一个张量的某个部分，其中 begin 和 end 索引可用。在 C++ 中，我们可以使用类似的东西：

从myintsinto复制三个值myvector，从第四个索引开始。libtorch我想知道（即C++）中是否有类似的API ？

我正在尝试通过 Libtorch 中的 DeepLab 模型运行图像来分割它们。使用 pytorch，我正在像这样转换 Deeplabv3 模型：

现在，在带有 LibTorch 的 c++ 中，我正在尝试加载模型并通过它运行数据。然而，这失败了：

我在哪里错了？