校园跑腿小程序源码_长春火车站疫情_互联网宣传推广_网络营销公司

直接在pytorch中，用torch.save保存的张量，可能因格式差异无法在C++中加载。

以下是一个最简单的例子，展示如何在 Pytorch中保存张量到 TorchScript 模块，并在 C++ 中使用 LibTorch 加载。

Python 代码 (save_tensor.py)

import torch# 定义一个简单的 TorchScript 模块来包装张量
class TensorWrapper(torch.jit.ScriptModule):def __init__(self, tensor):super().__init__()self.tensor = torch.jit.Attribute(tensor, torch.Tensor)# 创建一个张量
tensor = torch.randn(2, 3)# 包装张量到模块
module = TensorWrapper(tensor)# 保存模块到文件
torch.jit.save(module, "tensor.pt")

C++ 代码 (load_tensor.cpp)

#include <torch/script.h>
#include <iostream>int main() {// 加载 TorchScript 模块torch::jit::script::Module module = torch::jit::load("tensor.pt");// 获取张量（假设我们知道属性名为 tensor）torch::Tensor tensor = module.attr("tensor").toTensor();// 打印张量std::cout << tensor << std::endl;return 0;
}

这种方法可靠，因为 TorchScript 提供了跨语言的序列化支持，保证张量数据一致性。