Yolov5学习过程记录ps：libtorch应该用微软的msvc编译而不是mingw。〇、本机环境    系统：windows10x64    cuda：11.1一、vscode安装        先下载vscode，安装扩展：设置中文、C/C++、CMake相关的插件，比较简单不详细讨论。二、MinGW安装        先去官网MinGW-w64-for32and64bitWindows-BrowseFilesatSourceForge.net    页面向下拉会看到x86_64-posix-seh，我们下载这个版本        最好不要下载这个，安装之后很可能是win32版本的，我们

我在.pro文件中有如下配置TEMPLATE=appCONFIG+=consolec++11CONFIG-=app_bundleCONFIG-=qtCONFIG+=threadSOURCES+=main.cppINCLUDEPATH+=/usr/local/include/opencv4LIBS+=-L/usr/local/lib/LIBS+=-lopencv_coreLIBS+=-lopencv_highguiLIBS+=-lopencv_imgprocLIBS+=-lopencv_videoioQMAKE_CXXFLAGS+=-D_GLIBCXX_USE_CXX11_ABI=0IN

文章目录前言一、下载libtorch二、系统变量环境三、VS环境配置四、测试五、踩坑记录前言libtorch可以理解为C++版的pytorch，语法和pytorch基本相似。安装libtorch之前，要先安装好cuda以及对应的pytorch。同理，在VS中配置libtorch时，也需要把cuda的路径配置进去一、下载libtorch下载地址进入pytorch官网直接下载、解压即可，注意有两个版本：Release和Debug。两个可以都下载下来，但只用一个，下面以Debug版的为例进行说明（但在实际部署项目中，通常是用release版本，因为得到的程序更小一点，但两者的配置方法是一模一样的。）

来源：投稿作者：某一个名字编辑：学姐导语在工业视觉应用中，目标检测算法常用于特征的粗定位，而语义分割则在特征的精定位方面有着突出的表现。使用较多的语义分割模型主要有FCN、deeplab系列、unet等，根据自身的实践来看deeplabv3+以及unet往往能够在工业数据集上有着良好的检测效果。这里就先介绍下deeplabv3+的工业应用流程。1、代码获取1.1这里推荐使用的代码库https://github.com/bubbliiiing/deeplabv3-plus-pytorch1.2版本选择2、两种途径很多教程往往只会说按照readme的要求安装requirements即可，但是往往会

原因cuda版本选的不对解决python-c'importtorch;print(torch.__version__);print(torch.version.cuda)'查看cuda版本和torch版本我的输出如下：1.9.0+cu10210.2用pip安装时按照上面的选就行refmmcv-fullinstalldoc

        visualstudio编译qt+libtorch，载入模型时报错。出错信息：        使用visualstudio编译QT+libtorch报错未加载kernelbase.pdb，kernelbase.pdb包含查找模块KernelBase.dll的源文件所需的调试信息。0x00处(位于view64.exe中)有未经处理的异常:MicrosoftC++异常:std::length_error，位于内存位置0x00处。原因：        libtorch版本与QT编译器不匹配。例如，Debug版本的libtorch必须使用QTDebug版本进行编译。如果不匹配，有些功能

1.问题描述：frommmdet.apisimportinference_detector,init_detecto运行时报错：ImportError:libtorch_cuda_cu.so:cannotopensharedobjectfile:Nosuchfileordirectory（1）环境中libtorch_cuda_cu.so文件：不存在\red{不存在}不存在2.原因和解决方法：mmcv的版本和torch版本不一致[mmcv官网:PyTorch和CUDA版本要求][mmcv官网:其他版本PyTorch]找对应版本torch并重装condainstall-cpytorchpytorc