编译完成后，可以运行 tools/collect_env.py，查看当前一些必要工具的版本等一系列信息，输出如下：
sys.platform : win32Python : 3.6.13 |Anaconda, Inc.| (default, Mar 16 2021, 11:37:27) [MSC v.1916 64 bit (AMD64)]CUDA available : TrueCUDA_HOME : C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1NVCC : Not AvailableGPU 0 : NVIDIA GeForce GTX 1650OpenCV : 3.4.0PyTorch : 1.5.0PyTorch compiling details : PyTorch built with: - C++ Version: 199711 - MSVC 191627039 - Intel(R) Math Kernel Library Version 2020.0.0 Product Build 20191125 for Intel(R) 64 architecture applications - Intel(R) MKL-DNN v0.21.1 (Git Hash 7d2fd500bc78936d1d648ca713b901012f470dbc) - OpenMP 200203 - CPU capability usage: AVX2 - CUDA Runtime 10.1 - NVCC architecture flags: -gencode;arch=compute_37,code=sm_37;-gencode;arch=compute_50,code=sm_50;-gencode;arch=compute_60,code=sm_60;-gencode;arch=compute_61,code=sm_61;-gencode;arch=compute_70,code=sm_70;-gencode;arch=compute_75,code=sm_75;-gencode;arch=compute_37,code=compute_37 - CuDNN 7.6.4 - Magma 2.5.2 - Build settings: BLAS=MKL, BUILD_TYPE=Release, CXX_FLAGS=/DWIN32 /D_WINDOWS /GR /w /EHa /bigobj -openmp -DNDEBUG -DUSE_FBGEMM, PERF_WITH_AVX=1, PERF_WITH_AVX2=1, PERF_WITH_AVX512=1, USE_CUDA=ON, USE_EXCEPTION_PTR=1, USE_GFLAGS=OFF, USE_GLOG=OFF, USE_MKL=ON, USE_MKLDNN=ON, USE_MPI=OFF, USE_NCCL=OFF, USE_NNPACK=OFF, USE_OPENMP=ON, USE_STATIC_DISPATCH=OFF,
TorchVision : 0.6.0C/C++ Compiler : MSVC 191627045CUDA Compiler : 10.1
在运行 scripts/test_warpaffine_opencv.py 文件之前，由于 warpaffine_opencv.cpp 源码用到相关 opencv 库，因此，还需要配置动态库路径，Windows 系统配置如下：
Windows 相关环境配置（opencv 第三方库）
Linux 系统同样也需要配置进行配置，命令如下：
root@aistation:/xxx/code/python_cpp_extension# export LD_LIBRARY_PATH=/xxx/code/python_cpp_extension/3rdparty/opencv/linux/libroot@aistation:/xxx/code/python_cpp_extension# ldconfig
也可以通过修改 ~/.bashrc 文件，加入上述 export LD_LIBRARY_PATH=/...，然后命令：source ~/.bashrc。也可以直接修改配置文件 /etc/profile，与修改 .bashrc 文件 一样，对所有用户有效。
可以通过 tools 下的 Dependencies_x64_Release 工具（运行：DependenciesGui.exe），查看编译好的文件（.pyd）依赖的动态库是否都配置完好，如下图所示：
检查编译好的动态库依赖的动态库路径
可以发现，该工具没有找到 python36.dll、c10.dll、torch_cpu.dll、torch_python.dll 和 c10_cuda.dll 的路径。
这里说明一下，Python 相关的 dll 库以及 torch 相关的动态库是动态加载的，也就是说，如果你在 Python 代码中写一句：import torch，只有在程序运行时才会动态加载 torch 相关库。
所以，Dependencies_x64_Release工具检查不到编译好的 warpaffine_ext.cp36-win_amd64.pyd 文件依赖完好性。
这里还需要说明一下为什么 warpaffine_ext.cp36-win_amd64.pyd 需要依赖 torch 相关库，这是因为源文件 orbbec/warpaffine/src/warpaffine_ext.cpp 兼容了 PyTorch 的 C++ 拓展，所以依赖 torch 和 cuda 相关动态库文件，如果你单纯只在 orbbec/warpaffine/src/warpaffine_ext.cpp 实现纯粹 Python 的 C++拓展，则是不需要依赖 torch 和 cuda 相关动态库。
配置好之后，还需要将 warpaffine_ext.cp36-win_amd64.pyd 无法动态加载的动态库文件（opencv_world453.dll）放到 scripts/test_warpaffine_opencv.py 同路径之下（Linux 系统也一样)，如下图所示：
拷贝动态库与测试脚本同一目录
需要注意一个问题，有时候，如果在 docker 中进行编译和安装，其最终生成的 Python 安装包（.egg）文件并不会安装到当前 Python 环境下的 site-packages 中。
也就意味着，在 Python 文件中执行：from orbbec.warpaffine import affine_opencv 会失败。
原因是 orbbec.warpaffine 并不在其 Python 的搜索路径中，这个时候有两种解决办法：一种是在执行：python setup.py install 时，加上 --prefix='install path'，但是经过本人验证，有时候不可行，另外一种办法是在 Python 文件中，将 orbbec 文件夹路径添加到 Python 的搜索路径中，如下所示：
import cv2import torch # 不能删掉, 因为需要动态加载torch的一些动态库.import numpy as np
# 添加下述两行代码，这里默认此python脚本所在目录的上一层目录路径包含orbbec文件夹._FILE_PATH = os.path.dirname(os.path.abspath(__file__))sys.path.insert(0, os.path.join(_FILE_PATH, "../"))
from orbbec.warpaffine import affine_opencv # C++ interface
4.2. C++/CUDA Extensions For PyTorch
PyTorch 的 C++/CUDA 拓展同样也是利用 Pybind11 工具，但是，由于 PyTorch 使用的基础数据类型是 torch.Tensor 类型，因此，在写拓展程序中，必须要有 libtorch 库中对应的数据类型与 PyTorch 的 tensor 类型对应，这样才能进行正确传参。这里需要知道 PyTorch 对应的 C++ 版本 ibtorch 中几个常用的库和命名空间。
常用的命名空间：
at(ATen) 负责声明和定义 Tensor 运算，是最常用到的命名空间；
c10 是 ATen 的基础，包含了 PyTorch 的核心抽象、Tensor 和 Storage 数据结构的实际实现
torch 命名空间下定义的 Tensor 相比于 ATen 增加自动求导功能
PyTorch 的 Aten 目录下的主要构成：
ATen（ATen 核心源文件）
TH（Torch 张量计算库）
THC（Torch CUDA 张量计算库）
THCUNN（Torch CUDA 神经网络库）
THNN（Torch 神经网络库）
C10 是 Caffe Tensor Library 的缩写。这里存放的都是最基础的 Tensor 库的代码，可以运行在服务端和移动端，C10 主要目的之一是为了统一 PyTorch 的张量计算后端代码和 caffe2 的张量计算后端代码。
libtorch 中还有个 csrc 模块，主要适用于 C++ 和 Python 的 API 之间的相互映射，比如 PyTorch 的 nn.Conv2d 对应于 torch 中的 at:conv2d，其次是 autograd 和自动求导机制。
了解如上内容后，首先来看 Python 测试代码，如下所示（scripts/test_warpaffine_torch_cpu.py）：
import cv2import torchimport numpy as npfrom orbbec.warpaffine import affine_torch # C++ interface
data_path = "demo.png"
img = cv2.imread(data_path)# transform img(numpy.array) to tensor(torch.Tensor)# use permuteimg_tensor = torch.from_numpy(img / 255.0).permute(2, 0, 1).contiguous()img_tensor = img_tensor.unsqueeze(0).float()
src_tensor = torch.tensor([[38.29, 51.69, 1.0], [73.53, 51.69, 1.0], [56.02, 71.73, 1.0]], dtype=torch.float32).unsqueeze(0)dst_tensor = torch.tensor([[262.0, 324.0], [325.0, 323.0], [295.0, 349.0]], dtype=torch.float32).unsqueeze(0)
# compute affine transform matrixmatrix_l = torch.transpose(src_tensor, 1, 2).bmm(src_tensor)matrix_l = torch.inverse(matrix_l)matrix_r = torch.transpose(src_tensor, 1, 2).bmm(dst_tensor)affine_matrix = torch.transpose(matrix_l.bmm(matrix_r), 1, 2)
warpffine_img = affine_torch(img_tensor, affine_matrix, 112, 112)
warpffine_img = warpffine_img.squeeze(0).permute(1, 2, 0).numpy()cv2.imwrite("torch_affine_cpu.png", np.uint8(warpffine_img * 255.0))
从上述代码可以看到，Python 文件中调用了 affine_torch 函数，并且传入的参数类型是 cpu 类型的 tensor，而 affine_torch 的 C++ 实现在 orbbec/warpaffine/src/warpaffine_ext.cpp 中，如下所示：
#include <torch/extension.h>#include<pybind11/numpy.h>
// python的C++拓展函数申明py::array_t<unsigned char> affine_opencv(py::array_t<unsigned char>& input, py::array_t<float>& from_point, py::array_t<float>& to_point);
// Pytorch的C++拓展函数申明(CPU)at::Tensor affine_cpu(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w);
// Pytorch的CUDA拓展函数申明(GPU)#ifdef WITH_CUDAat::Tensor affine_gpu(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w);#endif
// 通过WITH_CUDA宏进一步封装Pytorch的拓展接口at::Tensor affine_torch(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w){ if (input.device().is_cuda()) {#ifdef WITH_CUDA return affine_gpu(input, affine_matrix, out_h, out_w);#else AT_ERROR("affine is not compiled with GPU support");#endif } return affine_cpu(input, affine_matrix, out_h, out_w);}
// 使用pybind11模块定义python/pytorch接口PYBIND11_MODULE(TORCH_EXTENSION_NAME, m) { m.def("affine_opencv", &affine_opencv, "affine with c++ opencv"); m.def("affine_torch", &affine_torch, "affine with c++ libtorch");}
从上述代码可以看出，根据宏 WITH_CUDA 和 tensor 类型控制 affine_torch 最终底层执行 affine_cpu 还是 affine_gpu 函数。同时也注意到，Python 中的 torch.Tensor 类型与 libtorch 库中的 at::Tensor 对应。再看看 affine_cpu 函数的具体实现（orbbec/warpaffine/src/cpu/warpaffine_torch_v2.cpp）：
发布文章at::Tensor affine_cpu(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w){ at::Tensor result; // AT_DISPATCH_FLOATING_TYPES: input.scalar_type() => scalar_t AT_DISPATCH_FLOATING_TYPES(input.scalar_type(), "affine_cpu", [&] { result = affine_torch_cpu<scalar_t>(input, affine_matrix, out_h, out_w); }); return result;}进一步看 affine_torch_cpu 函数的具体实现（orbbec/warpaffine/src/cpu/warpaffine_torch_v2.cpp）：
template <typename scalar_t>at::Tensor affine_torch_cpu(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w) { AT_ASSERTM(input.device().is_cpu(), "input must be a CPU tensor"); AT_ASSERTM(affine_matrix.device().is_cpu(), "affine_matrix must be a CPU tensor");
auto matrix_ptr = affine_matrix.contiguous().data_ptr<scalar_t>(); auto input_ptr = input.contiguous().data_ptr<scalar_t>(); auto nimgs = input.size(0); auto img_c = input.size(1); auto img_h = input.size(2); auto img_w = input.size(3); auto in_img_size = img_c * img_h * img_w; auto out_img_size = img_c * out_h * out_w;
// build dst tensor auto output_tensor = at::zeros({nimgs, img_c, out_h, out_w}, input.options()); auto output_ptr = output_tensor.contiguous().data_ptr<scalar_t>(); for(int i = 0; i < nimgs; i++) { scalar_t* matrix = matrix_ptr + i * 6; scalar_t* in = input_ptr + i * in_img_size; scalar_t* out = output_ptr + i * out_img_size; affine_cpu_kernel<scalar_t>(img_h, img_w, img_c, img_w*img_h, out_h, out_w, out_h*out_w, out, in, matrix, 0.0f); }
return output_tensor;}
这里有一个非常注意的地方就是，上述代码中的 tensor 的 .contiguous() 方法（上述代码第 10、11、21 行）。
可以看到，我们在获取 tensor 的数据指针时候（data_ptr()），PyTorch 官方示例代码和 MMDtection/MMCV 中的一些相关代码都推荐先做这个操作。
这是因为，不管是在 Python 还是在 C++ 代码中，使用 permute()、transpose()、view() 等方法操作返回一个新的 tensor 时，其与旧的 tensor 是共享数据存储，所以他们的 storage 不会发生变化，只是会重新返回一个新的 view，这样做的目的是减少数据拷贝，减少内存消耗，一定程度上加速网络训练或推理过程，如果在 Python 端对 tensor 做了 .contiguous() 操作，则在 C++ 端就不需要再做了，因为 .contiguous() 是一个深拷贝操作。
permute 操作分析
接下来，再来看 PyTorch 的 CUDA 扩展，首先测试文件 test_warpaffine_torch_gpu.py 如下：
import cv2import torchimport numpy as npfrom orbbec.warpaffine import affine_torch # CUDA interface
data_path = "demo.png"
img = cv2.imread(data_path)# transform img(numpy.array) to tensor(torch.Tensor)# use permuteimg_tensor = torch.from_numpy(img / 255.0).permute(2, 0, 1).contiguous()img_tensor = img_tensor.unsqueeze(0).float()img_tensor = img_tensor.cuda() # gpu tensor
# dst -> srcsrc_tensor = torch.tensor([[38.29, 51.69, 1.0], [73.53, 51.69, 1.0], [56.02, 71.73, 1.0]], dtype=torch.float32).unsqueeze(0)dst_tensor = torch.tensor([[262.0, 324.0], [325.0, 323.0], [295.0, 349.0]], dtype=torch.float32).unsqueeze(0)src_tensor = src_tensor.cuda() # gpu tensordst_tensor = dst_tensor.cuda() # gpu tensor
# compute affine transform matrixmatrix_l = torch.transpose(src_tensor, 1, 2).bmm(src_tensor)matrix_l = torch.inverse(matrix_l)matrix_r = torch.transpose(src_tensor, 1, 2).bmm(dst_tensor)affine_matrix = torch.transpose(matrix_l.bmm(matrix_r), 1, 2)affine_matrix = affine_matrix.contiguous().cuda() # gpu tensor
warpffine_img = affine_torch(img_tensor, affine_matrix, 112, 112)warpffine_img = warpffine_img.cpu().squeeze(0).permute(1, 2, 0).numpy()cv2.imwrite("torch_affine_gpu.png", np.uint8(warpffine_img * 255.0))
从上述脚本代码可以看到，affine_torch 接收的是 GPU 类型的Tensor 数据，其底层会在 GPU 上执行相关计算。进一步分析 orbbec/warpaffine/src/warpaffine_ext.cpp 中的 affine_torch() 函数的 CUDA 接口，可以发现，最终调用的是 affine_gpu() 函数，如下代码所示：
at::Tensor affine_gpu(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w){ CHECK_INPUT(input); CHECK_INPUT(affine_matrix);
// Ensure CUDA uses the input tensor device. at::DeviceGuard guard(input.device());
return affine_cuda_forward(input, affine_matrix, out_h, out_w);}
可以发现，最终执行的是 affine_cuda_forward() 函数，如下代码所示：
at::Tensor affine_cuda_forward(const at::Tensor& input, /*[B, C, H, W]*/ const at::Tensor& affine_matrix, /*[B, 2, 3]*/ const int out_h, const int out_w){ // build dst tensor auto nimgs = input.size(0); auto img_c = input.size(1); auto img_h = input.size(2); auto img_w = input.size(3); const int output_size = nimgs * img_c * out_h * out_w; auto output_tensor = at::zeros({nimgs, img_c, out_h, out_w}, input.options());
AT_DISPATCH_FLOATING_TYPES(input.scalar_type(), "affine_cuda", [&] { auto matrix_ptr = affine_matrix.data_ptr<scalar_t>(); auto input_ptr = input.data_ptr<scalar_t>(); auto output_ptr = output_tensor.data_ptr<scalar_t>();
// launch kernel function on GPU with CUDA. affine_gpu_kernel<scalar_t><<<GET_BLOCKS(output_size), THREADS_PER_BLOCK, 0, at::cuda::getCurrentCUDAStream()>>>(output_size, img_h, img_w, img_c, out_h, out_w, output_ptr, input_ptr, matrix_ptr, 0.0f); });
return output_tensor;}
通过配置 grid_size 和 block_size 之后，启动核函数: affine_gpu_kernel，关于核函数这一部分涉及很多 CUDA 知识，这里并不进行展开说明。最终返回 GPU 类型的 output_tensor 给 Python 接口。
5. GPU-Accelerated Augmentation
在掌握了 PyTorch 的 C++/CUDA 拓展之后，我们就可以轻松做到与 NVIDIA 的 DALI 库一样的加速效果，不管多么复杂的数据增强，都可以通过上述操作进行一定程度上的加速，伪代码如下所示（假设编译和安装步骤都已完成）：
for _, (img, local_labels) in enumerate(train_loader): global_step += 1 # 这里假设从train_loader取出的gpu类型的Tensor, 如果是cpu类型的Tensor, 则需要首先放到对应的编号为：local_rank的GPU上. # local_rank = torch.distributed.get_rank() # ================== add data augmentation (这里只做一个示意)=================== batch = img.shape[0] # get batchsize devive = img.device # get local_rank src_tensor = torch.tensor([[38.29, 51.69, 1.0], [73.53, 51.69, 1.0], [56.02, 71.73, 1.0]],dtype=torch.float32).unsqueeze(0) dst_tensor = torch.tensor([[42.0, 52.0], [78.0, 55.0], [58.0, 74.0]], dtype=torch.float32).unsqueeze(0) src_tensor = src_tensor.repeat(batch, 1, 1) dst_tensor = dst_tensor.repeat(batch, 1, 1) # compute affine transform matrix matrix_l = torch.transpose(src_tensor, 1, 2).bmm(src_tensor) matrix_l = torch.inverse(matrix_l) matrix_r = torch.transpose(src_tensor, 1, 2).bmm(dst_tensor) affine_matrix = torch.transpose(matrix_l.bmm(matrix_r), 1, 2) affine_matrix = affine_matrix.contiguous().to(devive) # python端做了.contiguous()操作, 则CUDA拓展底层不需要再做. img = affine_torch(img, affine_matrix, 112, 112) # 在gpu上进行数据增强 # ============================================================================== local_embeddings = backbone(img) loss: torch.Tensor = module_partial_fc(local_embeddings, local_labels, opt)
【注】：本工程编译完成后，可以将 orbbec 文件夹直接拷贝自己的训练工程，然后在对应的需要调用拓展函数的 Python 文件中（比如上述代码在 train.py 文件中），通过之前提到的方法，将 orbbec 文件夹所在路径加入到 Python 环境中，就可以正常调用拓展函数了（比如：affine_torch）。
Reference：
[1]: Custom C++ and CUDA Extensions
[2]: https://github.com/NVIDIA/DALI
[3]:https://github.com/open-mmlab/mmdetection/tree/v2.0.0
[4]: GitHub - open-mmlab/mmcv: OpenMMLab Computer Vision Foundation
[5]: GitHub - openppl-public/ppl.cv: ppl.cv is a high-performance image processing library of openPPL supporting various platforms.
[6]: https://github.com/pytorch/extension-cpp
[7]: Keywords - setuptools 65.6.0.post20221119 documentation
[8]: mmdetection源码剖析(1)--NMS
[9]: JeffWang：教程：Python中使用C++/CUDA｜以PointNet中的ball query 为例
[10]: OpenMMLab：PyTorch 源码解读之 cpp_extension：揭秘 C++/CUDA 算子实现和调用全流程
[11]: Pytorch拓展进阶(二)：Pytorch结合C++以及Cuda拓展 - Oldpan的个人博客
[12]: https://docs.python.org/zh-cn/3/extending/building.html
[13]: 王炳明：花了两天，终于把 Python 的 setup.py 给整明白了
[14]: 【pybind11】--python C/C++扩展编译
[15]: pizh12thu：Python/C++混合编程利器Pybind11实践
*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。
