跟着网上（百度）的教程做libtorch部署，官方库正在更新，有很多问题没有解答，Google了一下把解决的问题列出来
1. CMake error: conversion from ‘torch::jit::script::Module’ to non-scalar type ‘std::shared_ptrtorch::jit::script::Module .
这个问题是很多教程在声明模型的时候使用了：
std::shared_ptr<torch::jit::script::Module> module = torch::jit::load("../xxx.pt");
根据参考1，std::shared_ptr这个是libtorch测试版本使用的变量类型，现在已经变更，将以上代码修改为：
torch::jit::script::Module module = torch::jit::load("../xxx.pt");
另外，有些教程里会出现一个空指针判断的断言：
assert(module != nullptr);
然后会出现错误：error: no match for ‘operator!=’ (operand types are ‘torch::jit::script::Module’ and ‘std::nullptr_t’)
根据官方说法，现在的Module已经不是指针，这个断言没有存在的必要了，删掉就行。
2. error: base operand of '->' has non-pointer type 'torch::jit::script::Module'
问题出现在这一行：
torch::Tensor output = module->forward(std::move(inputs)).toTensor();
原因也很简单，module已经不是指针，把代码修改为：
torch::Tensor output = module.forward(std::move(inputs)).toTensor();
3. Make过程中 undefined reference to `cv::String::allocate(unsigned long)'
出现一堆错误：
undefined reference to cv::String::allocate(unsigned long)' undefined reference tocv::imread(cv::String const&, int)'
undefined reference to cv::String::deallocate()' undefined reference tocv::imread(cv::String const&, int)'
undefined reference to cv::String::deallocate()' undefined reference tocv::line(cv::InputOutputArray const&, cv::Point<int>, cv::Point_<int>, cv::Scalar_<double> const&, int, int, int)'
undefined reference to cv::line(cv::_InputOutputArray const&, cv::Point_<int>, cv::Point_<int>, cv::Scalar_<double> const&, int, int, int)' undefined reference tocv::imwrite(cv::String const&, cv::_InputArray const&, std::vector<int, std::allocator<int> > const&)'
undefined reference to cv::String::deallocate()' undefined reference tocv::imwrite(cv::String const&, cv::_InputArray const&, std::vector<int, std::allocator<int> > const&)'
多半原因是CMakeLists.txt文件里忘了加Opencv的链接：
target_link_libraries( your_app_name ${OpenCV_LIBS} )
4. Expected Tensor but got Tuple (toTensor at /libtorch/include/ATen/core/ivalue_inl.h:86)
在语义分割等任务中有可能模型的返回值是一个list而不是Tensor，有问题的模型返回值可能是这样的：
torch::Tensor result = module->forward({tensor_image}).toTensor();
需要修改一下，先 .toTuple()->elements()得到一个list，我的情况是得到的list第一个元素是Tensor，就要修改为：
torch::Tensor result = module->forward({tensor_image}).toTuple()->elements()[0].toTensor().toTensor();
5. 模型softmax输出之后C++进行argmax后处理：
torch::Tensor result_mask = result.argmax(1);
result_mask = result_mask.squeeze();
这样就可以得到语义分割的分类mask。
