阅读量:0
在C++中使用PyTorch实现深度学习可以借助LibTorch，它是PyTorch的C++前端库。以下是一个简单的示例代码，展示如何在C++中使用PyTorch进行简单的线性回归任务：
#include <torch/torch.h> int main() { // 创建训练数据 torch::Tensor x_train = torch::randn({1000, 1}); torch::Tensor y_train = 3 * x_train + 2 + 0.1 * torch::randn({1000, 1}); // 定义模型 torch::nn::Linear model(1, 1); torch::optim::SGD optimizer(model->parameters(), 0.01); // 训练模型 for (int epoch = 0; epoch < 100; epoch++) { optimizer.zero_grad(); torch::Tensor y_pred = model(x_train); torch::Tensor loss = torch::mse_loss(y_pred, y_train); loss.backward(); optimizer.step(); } // 测试模型 torch::Tensor x_test = torch::randn({10, 1}); torch::Tensor y_pred = model(x_test); std::cout << "Predictions: " << y_pred << std::endl; return 0; } 在这个示例中，我们首先创建了训练数据x_train和y_train，然后定义了一个简单的线性模型model，使用随机梯度下降优化器进行训练，并进行模型的测试。需要注意的是，为了使用PyTorch的C++前端库，您需要在编译时链接LibTorch库。更多关于LibTorch的用法和配置信息，您可以查阅PyTorch官方文档。
