中学２年生がLibtorch で行列の積を求めるコードを書いてみた

はじめに

※これは個人の学習記録です。
正確な情報については公式ドキュメント等も併せてご参照ください。
今回のテーマである「LibTorch（リブトーチ）」を一言で説明するとPyTorchのC++版です。なぜPythonではなく、わざわざC++のLibTorchを使うのか？そのメリットとデメリットをまとめました。
メリット 実行速度が速い: 単純な計算や、シビアなリアルタイム性が求められる環境で有利です。

メリット PyTorchとの高い互換性: 「学習は使い慣れたPythonで行い、推論（モデルの実行）だけをC++（LibTorch）で行う」という効率的な運用が可能です。

デメリット コード量が多くなる: Pythonに比べて記述が冗長になりやすいです。
デメリット学習のハードルが高い: 環境構築やC++の知識が必要なため、
機械学習の初学者はまずPythonの「scikit-learn」などから始めることをおすすめします。

#include <iostream>
#include <torch/torch.h>

int main() {
    torch::Tensor x = torch::tensor({{1.0, 2.0, 3.0}, {4.0, 5.0, 6.0}});
    std::cout << torch::mm(x, x.t()) << std::endl;
    return 0;
}

実行結果

14 32
32 77
[ CPUFloatType{2,2} ]

ちゃんと実行できてますね！

まとめ

今回の学習を通して、PythonだけでなくC++（LibTorch）でも同様に行列演算ができることが分かりました。ニューラルネットワークの構築はまだハードルが高く感じられますが、C++でのAI開発に向けて着実に一歩前進できた気がします。これからも少しずつ理解を深めていきたいです。