C++¶

注意

如果您正在查詢 PyTorch C++ API 文件，請直接點選此處。

PyTorch 提供了多種用於 C++ 開發的功能，您可以根據自己的需求選擇最適合的。從高層次來看，提供了以下支援：

TorchScript C++ API¶

TorchScript 允許將用 Python 定義的 PyTorch 模型序列化，然後透過編譯或跟蹤其執行來捕獲模型程式碼，並在 C++ 中載入和執行。您可以在在 C++ 中載入 TorchScript 模型教程中瞭解更多資訊。這意味著您可以儘可能在 Python 中定義模型，然後透過 TorchScript 將其匯出，以便在生產或嵌入式環境中執行無 Python 程式碼。TorchScript C++ API 用於與這些模型和 TorchScript 執行引擎互動，包括：

載入從 Python 儲存的序列化 TorchScript 模型
如果需要，進行簡單的模型修改（例如提取子模組）
使用 C++ Tensor API 構建輸入並進行預處理

使用 C++ 擴充套件來擴充套件 PyTorch 和 TorchScript¶

可以透過自定義運算子和自定義類來增強 TorchScript 的功能。一旦註冊到 TorchScript 中，這些運算子和類就可以作為序列化 TorchScript 模型的一部分，在從 Python 或 C++ 執行的 TorchScript 程式碼中呼叫。使用自定義 C++ 運算子擴充套件 TorchScript 教程詳細介紹瞭如何將 TorchScript 與 OpenCV 對接。除了使用自定義運算子包裝函式呼叫之外，還可以透過類似於 pybind11 的介面將 C++ 類和結構繫結到 TorchScript 中，這在使用自定義 C++ 類擴充套件 TorchScript 教程中進行了說明。

C++ 中的 Tensor 和 Autograd¶

PyTorch Python API 中的大多數 Tensor 和 Autograd 操作在 C++ API 中也可用。其中包括：

torch::Tensor 方法，例如 add / reshape / clone。有關可用方法的完整列表，請參閱：https://pytorch.com.tw/cppdocs/api/classat_1_1_tensor.html
行為與 Python API 相同、外觀相似的 C++ Tensor 索引 API。有關其用法詳情，請參閱：https://pytorch.com.tw/cppdocs/notes/tensor_indexing.html
對於在 C++ 前端構建動態神經網路至關重要的 Tensor Autograd API 和 torch::autograd 包。更多詳情請參閱：https://pytorch.com.tw/tutorials/advanced/cpp_autograd.html

在 C++ 中構建模型¶

“在 TorchScript 中構建，在 C++ 中推理”的工作流程要求模型構建在 TorchScript 中完成。然而，在某些情況下可能必須在 C++ 中構建模型（例如，在不希望包含 Python 元件的工作流程中）。為了滿足此類用例，我們提供了完全在 C++ 中構建和訓練神經網路模型的能力，其中包含 torch::nn / torch::nn::functional / torch::optim 等與 Python API 高度相似的熟悉元件。

有關 PyTorch C++ 模型構建和訓練 API 的概述，請參閱：https://pytorch.com.tw/cppdocs/frontend.html
有關如何使用該 API 的詳細教程，請參閱：https://pytorch.com.tw/tutorials/advanced/cpp_frontend.html
torch::nn / torch::nn::functional / torch::optim 等元件的文件可在以下位置找到：https://pytorch.com.tw/cppdocs/api/library_root.html

C++ 打包¶

有關如何安裝 libtorch（包含上述所有 C++ API 的庫）並進行連結的指導，請參閱：https://pytorch.com.tw/cppdocs/installing.html。請注意，在 Linux 上提供了兩種型別的 libtorch 二進位制檔案：一種使用 GCC pre-cxx11 ABI 編譯，另一種使用 GCC cxx11 ABI 編譯，您應根據系統使用的 GCC ABI 進行選擇。