int main() { torch::jit::script::Module module = torch::jit::load("path/to/your/model.pt"); return 0; }

这段代码使用了 C++ 的 LibTorch 库来加载 PyTorch 模型。`torch::jit::load()` 函数可以从文件中读取模型，并返回一个 `torch::jit::script::Module` 对象，表示加载的模型。

在使用这个模型之前，你需要根据模型的输入和输出定义一个适当的推理函数。推理函数应该接受模型的输入，将其传递给模型，并返回模型的输出。以下是一个简单的示例：

#include <torch/script.h> // 包含 LibTorch 头文件

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

    // 定义推理函数
    auto inference_func = [&](const torch::Tensor& input) -> torch::Tensor {
        // 将输入传递给模型
        std::vector<torch::jit::IValue> inputs;
        inputs.push_back(input);
        torch::Tensor output = module.forward(inputs).toTensor();

        // 返回模型的输出
        return output;
    };

    // 使用推理函数进行推理
    torch::Tensor input = torch::randn({1, 3, 224, 224}); // 示例输入
    torch::Tensor output = inference_func(input); // 使用推理函数进行推理

    return 0;
}

在这个示例中，我们首先加载了一个 PyTorch 模型，并定义了一个接受 Tensor 输入并返回 Tensor 输出的推理函数。在推理时，我们将示例输入传递给推理函数，并获得模型的输出。