LibTorch中如何序列化读写嵌套map结构的torch::Tensor对象

直接使用LibTorch内置的序列化接口即可，不需要引入任何第三方依赖。LibTorch底层基于cereal实现序列化，原生支持std::string、std::map、torch::Tensor的嵌套结构序列化，核心逻辑只需要两行代码。

完整实现代码 #

#include <torch/torch.h>
#include <map>
#include <string>

using namespace std;

void save_tensor_map(const map<string, map<string, torch::Tensor>>& m, const string& fp) {
    // 直接调用内置save接口序列化整个嵌套结构
    torch::save(m, fp);
}

map<string, map<string, torch::Tensor>> read_tensor_map(const string& fp) {
    map<string, map<string, torch::Tensor>> res;
    // 调用内置load接口反序列化到结果对象
    torch::load(res, fp);
    return res;
}

注：这里把原框架里的值传参改成了const引用传参，避免大map和Tensor的无意义拷贝，性能更好。

方案说明 #

• 该方式自动处理torch::Tensor的所有属性：包括数据类型、设备位置（CPU/CUDA）、梯度状态、内存布局，不需要手动处理张量的底层数据拷贝，不会出现数据错漏。
• 生成的序列化文件和Python端PyTorch的torch.save/torch.load完全兼容：Python端读取时会得到嵌套字典结构的Tensor对象，跨语言调用也不需要额外做格式适配。
• 没必要引入protobuf、json等第三方序列化库：这类库要么不直接支持torch::Tensor类型，需要手动写大量张量和基础类型的转换逻辑，代码冗余且容易出bug，复杂度远高于内置接口。
• 如果需要处理文件损坏、路径不存在等异常情况，只需要在torch::save和torch::load调用外层加try-catch捕获LibTorch抛出的异常即可，最简场景不需要额外逻辑。
• 不要手动实现张量内存的二进制读写：不仅代码量大，还容易出现字节序、设备不匹配、张量元信息丢失等问题，远不如内置接口稳定。

内容的提问来源于stack exchange，提问作者IntegrateThis