前言：本文对在Windows系统上进行LibTorch开发环境配置及相关问题解决做一个较为详细的记录，以便后续查询使用。
使用环境版本：
Windows 11
Visual Studio 2022
CUDA 12.0
LibTorch 1.13.1_cu11.7

一、LibTorch简介

在 Python 深度学习圈，PyTorch 具有举足轻重的地位。同样的，C++ 平台上的 LibTorch 作为 PyTorch 的纯 C++ 接口，它遵循 PyTorch 的设计和架构，旨在支持高性能、低延迟的 C++ 深度学习应用研究。本文基于 Windows 环境与 Visual Studio 2022 开发工具，将从零开始搭建一个完整的深度学习LibTorch开发环境

二、LibTorch下载安装

安装LibTorch非常简单，只需要从其官网选择相应的版本即可，具体页面如下图所示。

如果需要加载PyTorch训练的模型文件，安装的LibTorch需要和PyTorch的版本一致。CUDA版本最好选与本机一致的版本进行使用，但是我的经验告诉我即使下载的版本和电脑安装的CUDA版本不一致，但只要能兼容也可以使用。比如我下载的LIbTorch的CUDA版本是11.7但是电脑的CUDA版本是12.0，也是可以正常使用的。最后将下载好的压缩包解压到本地合适位置。比如我的就解压在E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\文件夹下。

三、Vistual Studio环境配置

首先，在 Visual Studio 中创建一个名为 AIdemo的控制台项目。创建完成后，将项目设置为 Release 模式，x64 平台，如下图。

在 Visual Studio 中，右键点击项目AIdemo -> Properties 项目属性，在左侧导航栏中找到 VC++ Directories 选项。在右侧的Include Directories选项中将 LibTorch include 目录添加进去，详细如下(我既添加了Release版又添加了Debug版)。

E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\include
E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\include\torch\csrc\api\include
E:\dependency\libtorch-win-shared-with-deps-1.13.1+cu117\libtorch\include
E:\dependency\libtorch-win-shared-with-deps-1.13.1+cu117\libtorch\include\torch\csrc\api\include

在Library Directories选项中将LibTorch lib目录添加进去，详细如下

E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\lib
E:\dependency\libtorch-win-shared-with-deps-1.13.1+cu117\libtorch\lib

具体如下图所示，配置结果如下图，注意检查窗口顶栏Configuration是否为All Configurations，Platform是否为x64。

然后找到C/C+±>General->Additonal Include Directories选项，在其中填入LibTorch Include，详细如下

E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\include
E:\dependency\libtorch-win-shared-with-deps-debug-1.13.1+cu117\libtorch\include\torch\csrc\api\include
E:\dependency\libtorch-win-shared-with-deps-1.13.1+cu117\libtorch\include
E:\dependency\libtorch-win-shared-with-deps-1.13.1+cu117\libtorch\include\torch\csrc\api\include

最后找到Linker->Input->Additonal Dependencies选项，在其中填入LibTorch lib路径下所有的*.lib文件的文件名，详细如下。

asmjit.lib
c10.lib
c10d.lib
caffe2_nvrtc.lib
clog.lib
cpuinfo.lib
dnnl.lib
fbgemm.lib
fbjni.lib
gloo.lib
libprotobuf-lite.lib
libprotobuf.lib
libprotoc.lib
mkldnn.lib
pthreadpool.lib
pytorch_jni.lib
torch.lib
torch_cpu.lib
XNNPACK.lib

以上lib文件需要自行查看LibTorch lib路径下是否具有此文件，以上文件可能和LibTorch版本相关，如果你使用的版本没有，可以不用添加。正常到这一步你的环境已经搭建完成了，但是有些可能会遇到LibTorch的CUDA不能使用的问题，可以用如下命令查看是否有这种问题

	//std::cout "CUDA： " << torch::cuda::is_available();//std::cout << "CUDNN:  " << torch::cuda::cudnn_is_available() << std::endl;//std::cout << "GPU(s): " << torch::cuda::device_count() << std::endl;

如果程序返回结果都为非0，那证明CUDA以及CUDNN都是可用的，自此环境已经搭建完成，但是也有可能返回结果为0证明CUDA以及CUDNN都不可用。需要进行如下设置，找到Linker->Command Line选项，在其中填入如下命令

/INCLUDE:"?ignore_this_library_placeholder@@YAHXZ" 

即可解决上述问题，此命令适用于LibTorch1.13.1版本，较早版本填入的命令可能不同。

四、示例程序

至此，我们的开发环境已经搭建完成，可以通过如下示例程序验证我们的配置是够正确，

#include "torch/torch.h"
#include "torch/script.h"void main()
{std::cout << "这是生成张量操作！" << std::endl;torch::Tensor output = torch::randn({ 3,2 });std::cout << output << std::endl;std::cout << "CUDA：" << torch::cuda::is_available() << std::endl;std::cout << "CUDNN:  " << torch::cuda::cudnn_is_available() << std::endl;std::cout << "GPU(s): " << torch::cuda::device_count() << std::endl;
}

如果显示如下结果，则证明我们的环境配置成功，可以进行开发工作了

五、Release模式或Debug模式只有一个能正常加载模型，另一个模式报错

关于Debug模式可以正常加载模型，Release模式加载错误问题的解决。在配置好环境之后，Debug模式一切正常，但是Release模式下加载模型失败。具体错误如下图所示

刚开始我以为是我配置属性表出了问题，反复确认后没有找到问题。后来查找资料，我发现，由于我没有将libtorch的dll文件放到对应的exe生成目录里，而是直接在环境变量里设置了dll的目录，即lib的路径，所以在环境变量中，debug和release的lib路径顺序先后会影响debug模式或者release模式的运行，比如debug环境变量放在前面，debug模式就能运行，release模式就不能读取模型了。
解决方案：将lib文件夹下的所有dll文件，分别复制粘贴到对应的输出目录里。(注意需要将Release版本的lib文件夹下的dll文件放在Release模式下的输出目录里，Debug版本的lib文件夹下的dll文件同理。)

输出目录如下方式找到

项目右击->Properties->General->Output Directory，路径如下图所示

PS:本人在实验中想探究一下是不是环境变量影响了Release模式下的运行结果，于是将环境变量中的Release版本的lib路径移到Debug版本的前面。但是在Visual Studio 2022重新运行Release模式同样失败。嗯？难道分析有误？并不是，重启Visual Studio即可！由于之前打开Visual Studio时已经加载了之前的环境变量，因此更改之后并没有对Visual Studio生效，重新打开，加载新的环境变量即可。
祝好运！！！