TorchSharp 是对 Torch c++的封装，基本继承了c++的全部接口。但使用中会有一些小问题，需要特别注意一些。
训练的代码可以参考github里的官方代码 https://github.com/pytorch/vision/tree/main/references/segmentation
2.模型输出
官方代码的模型 默认输出是list 虽然可以强制输出script文件，但TorchSharp 调用后会报错”Expected Tensor but got GenericDict”.因此需要修改网络
子像素的边缘检测算法很多，但使用CUDA进行的不是很多。github上可以找到一个带CUDA的子像素边缘检测算法，但经过运行发现有些小bug，其cpu版本正常，但gpu版本找轮廓时会偶发轮廓被切断的问题。一下就对其进行一些修正。当然也许还有其他bug~~
一.源项目位置
源项目位置https://github.com/CsCsongor/subPixelEdgeDetect 。算法基于论文https://www.ipol.im/pub/art/2017/216/
二.代码分析
本文介绍了一种使用opencv + c++ 可以在生产环境下调用tensorflow pb文件进行预测的方法。
该方法不需要在生产环境下搭建python运行环境。 流程上相对简单清晰。如果要将神经网络/机器学习添加到几年前项目中，也比较简单可行。
tensorflow在1.3后加入了官方的windows支持，可以使用cmake在vs2015下编译c++ library。但坑还是很多，简单整理了1.3版本编译及使用过程。并介绍了编译部分kernel的方法。其他版本也可参考进行编译。
编译版本为1.3，只cpu。带gpu的tensorflow可以用1.5以后的版本。