一文详解MacOS+CLion——构建libtorch机器学习开发环境

news2025/3/13 2:27:37

对于希望在本地环境中进行深度学习开发的开发者来说，配置合适的工具链是至关重要的一步。本文旨在帮助您在 macOS 操作系统上，利用 CLion IDE 和 PyTorch 的 C++依赖库——libtorch，快速搭建起一个高效的开发环境。这里我们将一步步地讲解如何下载必要的库、设置集成开发环境（IDE），以及编写和运行简单的代码示例来验证配置是否成功。

一、下载libtorch

首先，请访问 PyTorch官方网站，根据您的 Mac 系统参数选择并下载适合的PyTorch 依赖包。在页面最下方，您可以找到下载链接。对于本文，我选择了适用于 macOS 的默认版本 libtorch。

PyTorch官方下载地址：
https://pytorch.org/get-started/locally/

PyTorch官方下载依赖库

下载完成后，请解压libtorch依赖库到一个易于管理的位置：这里我解压到了Android SDK的同级存储目录，朋友们可以根据自己喜好选择一个存储目录。

解压libtorch依赖库

最后，获取当前libtorch的路径，请注意保存改路径，这里我的存储路径为：/Users/xiaxueliang/Library/Android/libtorch

二、配置CLion项目

在成功下载并解压了 libtorch 库之后，下一步就是将它集成到我们的开发环境中。CLion 是由 JetBrains 开发的一款强大的 C++ 集成开发环境（IDE），它提供了智能代码补全、静态代码分析和便捷的调试工具等功能，非常适合用于构建复杂的 C++ 项目。本节介绍如何创建一个新的 CLion 项目，并正确配置它以使用 libtorch 库。我们将逐步讲解如何设置项目的构建系统，确保所有必要的库都能被正确链接，从而让您的项目可以顺利编译和运行。

2.1 创建CLion项目

启动 CLion 并创建一个新的 C++ 项目。您可以自由命名项目，这里我定义的名称为CLion_libtorch_demo。

创建CLion_libtorch_demo项目

2.2 修改 CMakeLists.txt 文件

打开项目的 CMakeLists.txt 文件，可以以下配置信息：

打开项目对应的CMakeLists.txt文件

2.3 链接libtorch

向CMakelists.txt文件，添加以下配置以正确链接 libtorch 库：

# 设置CMAKE_PREFIX_PATH环境变量：指向了libtorch安装目录，用于帮助CMake找到Torch库。  
set(CMAKE_PREFIX_PATH /Users/xiaxueliang/Library/Android/libtorch)  
# 查找Torch软件包，并且是REQUIRED：CMake会使用CMAKE_PREFIX_PATH查找TorchConfig.cmake或torch-config.cmake。  
find_package(Torch REQUIRED)  
# 向编译器添加头文件搜索路径：这里指定了libtorch根目录，使编译器能够在编译过程中找到libtorch的头文件。  
include_directories("/Users/xiaxueliang/Library/Android/libtorch")  
# 继续向编译器添加更多的头文件搜索路径：指向libtorch内部API部分。  
include_directories("/Users/xiaxueliang/Library/Android/libtorch/include/torch/csrc/api/include")  
# 指定链接哪些库：  
target_link_libraries(CLion_libtorch_demo "${TORCH_LIBRARIES}")

需要注意的是：

/Users/xiaxueliang/Library/Android/libtorch是我们刚才解压的libtorch的路径。
CLion_libtorch_demo是我们的项目名称。

CLion会自动重新加载链接相关配置：

链接libtorch

2.4 编写 C++ 源代码

接下来，在 main.cpp 文件中输入如下代码段，用以测试 libtorch 的基本功能：

#include <torch/torch.h>  
#include <iostream>  
#include <torch/csrc/autograd/variable.h>  
  
int main(int args, const char **arg) {  
    // 创建一个形状为{2, 10}的二维张量b，其元素是从标准正态分布（均值为0，方差为1）随机抽取的浮点数。  
    torch::Tensor b = torch::randn({2, 10});  
    // 创建一个形状为{2, 10}的二维张量a，其元素是介于20（包含）和40（不包含）之间的随机整数。  
    torch::Tensor a = torch::randint(20, 40, {2, 10});  
    // 将张量b与张量a相加，并将结果输出到控制台。  
    std::cout << b + a << std::endl;  
    return 0;  
}