LibTorch(PyTorch C++)APIメモ

ほぼ自分用です。随時更新します。
LibTorch環境構築はこの記事を参照。

公式資料が有能なので、まずはそこをチェック。

float型vectorから1次元torch::Tensorへの変換

.cpp

torch::Tensor tsr = torch::tensor(torch::ArrayRef<float>(vec));

torch::Tensor型vectorからtorch::Tensorへの変換

.cpp

torch::Tensor tsr = torch::stack(tsr_vec);

1次元torch::Tensorからstd::vectorへの変換

.cpp

torch::Tensor tsr = torch::randn({ 3 });
tsr= tsr.contiguous();
std::vector<float> v(tsr.data_ptr<float>(), tsr.data_ptr<float>() + tsr.numel());

1次元torch::Tensorのスライス

参考：https://pytorch.org/cppdocs/notes/tensor_indexing.html

.cpp

namespace ti = torch::indexing;
torch::Tensor tsr2 = tsr.index({ ti::Slice(i, i + slice_size) });

1次元生配列からtorch::Tensorへの変換

.cpp

// おそらく生配列でなくとも変換可能
// 先頭ポインタ、サイズ、型が分かっており、メモリ上に連続に配置されていればOK?
float raw_arr[] = {1.f, 2.f, 3.f};
torch::Tensor tsr = torch::from_blob(raw_arr/*先頭ポインタ*/, 3/*size*/, torch::TensorOptions().dtype(torch::kFloat32));

GPU使用可能かチェック

.cpp

torch::DeviceType device_type;
if (torch::cuda::is_available()) {
	std::cout << "CUDA available! Running on GPU.\n";
	device_type = torch::kCUDA;
}
else {
	std::cout << "Running on CPU.\n";
	device_type = torch::kCPU;
}

CPU/GPUへ送る & 型変換

.cpp

auto model = std::make_shared<Model>();
model->to(torch::kCUDA); // torch::Device型でなくても良い。
model->to(torch::kCPU);

tsr.to(torch::kFloat64);
tsr.to(torch::kCUDA);

tensorサイズ取得

.cpp

size_t tsr_size = tsr.size(0 /*dim*/);
c10::IntArrayRef tsr_sizes = tsr.sizes();

torch::Tensorから組み込み型の値を取得

.cpp

// tsrがスカラーでないとエラーを吐くので注意。
// 配列を変換したい場合、tsr.index({i})やtsr[i]で要素にアクセスしてから変換。
double d = tsr.item().toDouble();

その他

• torch::Tensorは微分可能、at::Tensorは微分不可(らしい)
  • 両者に速度の違いはほとんどないため、基本的にtorch::Tensorを使う
• torch_cuda.dllが見つからないエラー
  • 作成したexeと同じ場所に、cudaとtorch関連のDLLをコピーしてきたか？
• カスタムデータローダーをインスタンス化できないエラー
  • get()だけでなく、size()も実装しなくてはいけない
  • 参考：https://github.com/pytorch/pytorch/blob/master/torch/csrc/api/include/torch/data/datasets/base.h#L53