问题标签 [libtorch]

这是非常基本的：我通常使用 Eigen3 进行数学运算，但需要使用 libtorch 进行网络前向传递。现在我想torch::tensor用我的 Eigen3 （或纯 C++ array）中的数据填充，但没有for循环。我怎样才能做到这一点？

这是带有循环的解决方案：

这目前工作正常，但N可能会变得非常大，我只是在寻找一种方法来直接torch::tensor使用以前使用的 C++设置我的基础数据array

我正在尝试使用 TRTorch 引擎编译我的 pytorch 模型。我已经根据这个链接安装了 TRTorch。
运行示例代码时（使用此链接中的以下命令）出现给定错误：

sudo bazel run //cpp/trtorchexec -- $(realpath /home/TRTorch/tests/modules/alexnet_scripted.jit.pt) "(1,3,227,227)"

加载共享库时出错：libnvinfer.so.7：无法打开共享对象文件：没有这样的文件或目录

此外，LD_LIBRARY_PATH设置正确。

导出 LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/TensorRT/TensorRT-7.0.0.11/lib

更多信息：

TRTorch：最新版本（python 包和二进制）
TensorRT：7.0.0.11
Pytorch：1.5.1
CUDA：10.2
Python：3.6

我正在尝试从我之前创建的张量中取回图像并将其可视化，但是，生成的图像似乎失真/垃圾。这就是我将 aCV_8UC3转换为相应的方法at::Tensor：

这就是我将其转换回图像的方式：

这是原始图像的样子：

这就是我转换后得到的：

现在，如果我在创建张量期间使用at::kInt而不是：kByte

我不再得到扭曲的图像！但是，网络输出将关闭，这意味着输入出现问题！

这里有什么问题，我应该怎么做？

我正在尝试为 C++ 类型的 Torch 创建一个掩码BoolTensor。n维度中的第一个元素one需要是False，其余的需要是True。

这是我的尝试，但我不知道这是否正确（大小是元素的数量）：

我应该如何定义 ProtoBuf 模式以便我可以序列化这个形状向量？

我能找到的只是简单的琐碎示例。我不知道应该如何在 ProtoBuf 模式中定义torch::Tensoror ！tuple

我可能遗漏了一些非常基本的东西，但我在文档或网上找不到任何解释

我正在尝试将 GPU 复制到at::TensorCPU 上的固定张量，但是一旦我复制它，CPU 张量就不再固定了。我假设它只是创建 GPU 张量的新副本并分配它，但如果是这种情况，你如何复制到预先分配的固定内存？

我的测试代码：

输出是

这也发生在torch::而不是at::

使用从源代码编译的 LibTorch 1.5.0 在 Ubuntu 16.04 上测试

我在 PyTorch C++ 前端看到很多就地张量操作，例如mul_和const：div_

这似乎很奇怪，因为就地操作应该修改张量数据，对吧？有谁知道使它们成为常量的原因是什么？

我在 github 上找到了一些讨论，但看起来标题与下面写的内容相矛盾：

'const Tensor' 不提供 const 安全性......因此，这些方法应该是非常量的

我有一个std::vector<std::vector<double>>我想将它转换成torch::Tensorlibtorch 的地方。但是，似乎 ,torch::tensor()或torch::from_blob(), 不能用于此目的！

我尝试使用c10::ArrayRef然后使用它来将数据转换为 a torch::Tensor，c10::ArrayRef<std::vector<std::vector<double>>> res(myvecs)但这似乎也没用，因为我似乎找不到将其转换为torch::Tensor.

我应该如何在 libtorch 中进行这种转换？除了例如，我还有什么其他选择：

torch::stack接受 ac10::TensorList并且在给出相同形状的张量时工作得很好。但是，当您尝试发送先前torch::stack编辑的张量的输出时，它会失败并导致内存访问冲突。

更具体地说，假设我们有 3 个形状为 4 的张量，例如：

第一轮堆叠是微不足道的：

但是，尝试这样做：

将失败。我希望获得与np.vstackPython 中相同的行为，这是允许并有效的。我该怎么办？

为什么torch::Tensor::is_same以下断言失败？使用 C++ PyTorch API 将张量写入文件，然后再次读入另一个张量，并is_same比较两个张量：

这导致：

使用

• python-pytorch，Arch Linux 上的版本 1.6.0-2
• g++ (GCC) 10.1.0