Ubuntu下安装libtorch GPU版并测试demo

1. 进入pytorch官网 https://pytorch.org/get-started/locally/
   下载源码
   
   但我下载的是1.10.2版本的，下载链接如下：

https://download.pytorch.org/libtorch/cu113/libtorch-shared-with-deps-1.10.2%2Bcu113.zip

下载完成之后，解压到你喜欢的目录下

2. 在Linux下打开CLion，创建一个Cmake的项目
   选择C++标准为C++17，否则会运行报错
   

3. 配置CMakeLists.txt文件：

cmake_minimum_required(VERSION 3.0 FATAL_ERROR)
project(libtorch_test)

list(APPEND CMAKE_PREFIX_PATH "/opt/src_code/libtorch")

add_executable(libtorch_test main.cpp)

find_package(Torch REQUIRED)
target_link_libraries(libtorch_test "${TORCH_LIBRARIES}")
set_property(TARGET libtorch_test PROPERTY CXX_STANDARD 17)

4. 编辑main.cpp文件：

#include 
#include 
#include 
int main() {
    std::cout << "检查CDUA是否可用：" << torch::cuda::is_available() << std::endl;
    std::cout << "检查cudnn是否可用：" << torch::cuda::cudnn_is_available() << std::endl;
    std::clock_t s, e;
    s = clock();
    torch::Tensor cuda_output;
    for (int i=0;i<1;i++) {
        cuda_output = torch::randn({ 5, 4 }, torch::device(torch::kCUDA));
    }
    std::cout << cuda_output << std::endl;
    e = clock();
    std::cout << "use time: " << (e - s) << " 微秒" << std::endl;
    return 0;
}

5. 测试运行
   
   打印出CUDAFloatype{5,4}，那么意味着这个张量是在显卡内存中分配的。