深夜两点，模型推理卡在99%的内存占用上
上周三凌晨，产线测试同事突然电话过来：“C++部署的YOLOv5在产线机器上跑着跑着就崩了，Python版本明明好好的。” 我盯着屏幕上的torch::jit::load调用，突然意识到——我们团队那个刚毕业的小伙，直接把Python训练出来的.pt文件扔给C++接口了。这就是今天要聊的第一个坑：LibTorch和PyTorch的版本必须严格对齐，差一个小版本号都可能让你在内存泄漏里折腾一整夜。
环境配置：别在版本问题上栽跟头
很多人以为LibTorch就是下载个压缩包，配置下CMake就行。实际上，第一个隐形炸弹在这里：
# CMakeLists.txt 关键片段 find_package(Torch REQUIRED) # 这里如果系统有多个Torch版本，大概率链接错乱 target_link_libraries(yolo_infer ${TORCH_LIBRARIES}) # 必须用这个变量，别手写库名 # 建议显式指定路径（生产环境一定要这么干） set(Torch_DIR "/opt/libtorch-1.12.1/share/cmake/Torch")我习惯把LibTorch解压到/opt下，用绝对路径配置。曾经因为系统自带的旧版OpenCV和LibTorch的图像处理冲突，导致cv::Mat转torch::
