C++部署pytorch模型（一）————将pytorch模型转

Pytorch官方提供的C++API名为libtorch，在Pytorch1.0版本之后开始支持windows，以后就可以直接用libtorch来部署Pytorch模型了。
在Windows平台上用C++部署深度学习应用一直很麻烦，caffe使用自定义层还需要自己写backward()，而TensorFlow对Windows平台的支持也不是很好，在Windows上编译有各种坑等着你。而这次Facebook提供的libtorch还是编译好的文件，减少了很多的工作量，估计会吸引一部分人转向pytorch。

下面是我将pytorch的模型转化为libtorch可用的torchscript模型的代码。

import torch 
import torchvision

 # 加载模型
from models import FaceNetModel
embedding_size = 128
num_classes = 10000
model = FaceNetModel(embedding_size = embedding_size,num_classes = num_classes)
checkpoint = torch.load(r"D:\scripts\simple_facenet\log\checkpoint_epoch1610.pth")
model.load_state_dict(checkpoint['state_dict'])
model.cuda()
model.eval()

# 向模型中输入数据以得到模型参数 
example = torch.rand(1,3,182,182).cuda() 
traced_script_module = torch.jit.trace(model,example)
 
# 保存模型
traced_script_module.save("torch_script_eval.pt")

这里有两个地方容易出错

1. 如果模型中有dropout或者batchnorm的话，一定要先将模型设置为eval模式，再保存，否则在用libtorch调用后会出现随机干扰；
2. example这个张量的尺寸务必与你自己的模型的输入尺寸一直，否则会出现错误。

这个libtorch出来时间不长，还有很多坑等着我去踩，如果有同样在研究pytorch或者libtorch的朋友，可以加个好友，共同学习。