VS2019使用C++加载的 TorchScript 模型进行图像推断，并将推断后的图像结果显示。

### 回答1：
首先，您需要将 PyTorch 模型转换为 TorchScript 格式。这可以通过使用 PyTorch 的 torch.jit.save() 函数来完成。例如：

import torch

# 假设我们有一个训练好的 PyTorch 模型 model

# 使用 torch.jit.save() 将模型保存为 TorchScript 格式
torch.jit.save(model, "model.pt")

然后，您需要在 C++ 中加载这个模型。为此，您可以使用 PyTorch C++ API 中的 torch::jit::load() 函数。例如：

#include <torch/script.h> // 包含 torch::jit::load() 函数

int main() {
  // 加载模型
  torch::jit::script::Module model = torch::jit::load("model.pt");

  // 准备输入张量
  at::Tensor input = torch::rand({1, 3, 224, 224});

  // 进行推断
  at::Tensor output = model.forward({input}).toTensor();

  // 将推断结果显示出来（具体方式取决于您使用的图像显示库）
}

请注意，在上面的代码中，我们使用了 PyTorch C++ API 中的 at::Tensor 类型来表示张量。您可以使用这个类型来进行张量的操作，例如通过调用其成员函数来访问元素。

希望这能帮到您！

### 回答2：
在VS2019中，使用C++加载TorchScript模型进行图像推断并显示结果的步骤如下：

1. 首先，确保已安装并配置好VS2019开发环境，并已成功安装了LibTorch库。

2. 启动VS2019，并创建一个新的C++项目。选择一个合适的项目类型，比如控制台应用程序。

3. 在项目设置中，配置库文件和头文件的路径。将LibTorch库的路径添加到“附加包含目录”选项中，并将其链接到“附加依赖项”中。

4. 创建一个C++文件来编写图像推断的代码。包含必要的头文件，比如torch/torch.h和torch/script.h。

5. 加载TorchScript模型。使用torch::jit::load()函数加载模型文件，例如：torch::jit::load("model.pt")。确保模型文件的路径和名称正确。

6. 准备待推断的图像。可以使用OpenCV或其他库来加载和处理图像。将图像转换为张量类型，以便输入到已加载的模型中。

7. 进行图像推断。使用已加载的模型调用forward()函数，并将图像张量作为输入参数传递。获取推断结果的张量。

8. 将推断结果显示为图像。使用合适的图像处理库（如OpenCV）将推断结果的张量转换为可视化的图像。在控制台应用程序中，可以将图像保存为文件，或使用图像库显示图像。

9. 编译和运行代码。在VS2019中编译项目，并确保与LibTorch库的版本兼容。运行应用程序，即可加载模型，进行图像推断，并显示推断结果。

在编写代码的过程中，需要注意正确处理错误和异常，确保加载模型、图像处理和显示结果的过程都能正常进行。