前言
本教程旨在教讀者如何用c++寫模型，訓練模型，根據模型預測對象。為便於教學和使用，本文的c++模型均使用libtorch（或者pytorch c++ api）完成搭建和訓練等。目前，國內各大平台似乎沒有pytorch在c++上api的完整教學，也沒有基於c++開發的完整的深度學習開源模型。可能原因很多：
- c/c++的深度學習已經足夠底層和落地，商用價值較高，開發難度偏大，一般不會開源；
- 基於python訓練，libtorch預測的部署形式足夠滿足大多數項目的需求，如非產品級應用，不會有人願意研究如何用c++從頭搭建模型，實現模型訓練功能；
- Tensorflow的市場份額，尤其時工業應用的部署下市場占比足夠高，導致基於libtorch的開發和部署占比很小，所以未見開源。
本教程提供基於libtorch的c++開發的深度學習視覺模型教學，本教程的開發平台基於Windows環境和Visual Sutdio集成開發環境，實現三大深度視覺基本任務：分類，分割和檢測。適用人群為：
- 有c++基礎，了解面向對象思維，
- 有pytorch或者其他深度學習編程經驗，但對模型落地部署等經驗不足者。
章節安排
本教程分多個章節：
- 第一章：開發環境搭建：VS+libtorch和Qt+libtorch
- 第二章：張量的常規操作
- 第三章：簡單模型搭建
- 第四章：數據加載模塊使用
- 第五章：分類模型搭建，訓練和預測
- 第六章：分割模型搭建，訓練和預測
- 第七章：目標檢測模型搭建，訓練和預測
- 第八章：總結和展望
在第一章中，筆者將介紹教程使用的開發環境。第二章，筆者將介紹libtorch中的torch::Tensor類的常用操作，便於后續復雜算法的落地實施。第三章，筆者將以一個簡單的線性模型為例，介紹如何在c++上創建一個分類或者回歸模型。第四章，筆者將介紹如何使用libtorch的dataload模塊，這對c++模型的訓練極其重要。第五、六、七章中，教程將詳細描述如何實現一個c++分類器，一個c++語義分割器，一個c++目標檢測器，包含功能分別為：分類圖片，語義分割圖片，檢測圖片中的目標。第八章為全部教程的總結和展望。
第一章
事實上，在前面的pytorch部署博客和libtorch的QT部署中筆者已經分享了自己搭建libtorch開發環境的記錄。其余並無太多要贅述的。
分享不易，如果有用請不吝給我一個👍，轉載注明出處：https://allentdan.github.io/
代碼見LibtorchTutorials