matlab下配置matconvnet实现gpu运行深度学习网络
2018-03-15 18:06
465 查看
Matlab下配置matconvnet实现gpu运行深度学习网络
网上虽然有很多关于这个的介绍,但是看来看去每个人有每个人的实现方案,问题也有很多。本文的方法是楼主亲测有效的,供参考。
**我电脑的配置:
matlab2017a, vs2015, cuda8.0, cudnn6
首先,第一步:
https://github.com/vlfeat/matconvnet下载matconvnet包。
然后,依次进行下面的步骤:
mex -setup mex -setup C++ # 配置VS2015作为C和C++的编译器 # 先编译matconvnet的Cpu版 vl_compilenn() % 生成一系列mex文件,是之后卷积v1_nnconv等要用到的 # 再编译matconvnet的Gpu版 # 必须要在对应的matconvnet文件夹下运行 # 将下载好的cudnn放在下载的matconvnet文件夹下。 # 注意:cudnn一定要和cuda版本对应,cuda要和matlab的版本对应,这些在网上都是可以找到的,不再赘述。 vl_compilenn('enableGpu', true, ... 'cudaRoot','C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0', ... 'cudaMethod', 'nvcc', 'enableCudnn', 'true', ... 'cudnnRoot', 'F:\matlab works\HCF\matconvnet\cudnn'); # 一定要加入cuda和cudnn两个选项,否则我的经验是运行时v1_simplenn会报错。 run vl_setupnn vl_testnn('gpu',true) # 这不时间比较久,慢慢等。
相关文章推荐
- 【神经网络与深度学习】caffe+VS2013+Windows无GPU快速配置教程
- 【深度学习】笔记17 windows下SSD网络在caffe中的配置(GPU版本)【笔记3】
- 深度学习入门级框架MatConvNet环境配置(Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2014a)
- 深度学习Caffe实战(9)Windows 平台caffe用MATLAB接口实现训练网络和测试
- 【神经网络与深度学习】caffe+VS2013+Windows无GPU快速配置教程
- 深度学习FPGA实现基础知识15(Matlab图像处理“卷积”运算)
- 深度学习笔记(五)用Torch实现RNN来制作一个神经网络计时器
- 深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子
- 深度学习FPGA实现基础知识9(Deep Learning(深度学习)Matlab工具箱下载、安装、测试)
- 深度学习 VGG 网络 实现 face landmark 与 head pose
- 深度学习FPGA实现基础知识7(深度学习Matlab工具箱代码详解)
- 深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子
- 深度学习算法实践9---用Theano实现多层前馈网络
- 第2章 单层前向网络及LMS学习算法仿真实例 Matlab 实现
- TensorFlow深度学习笔记 实现与优化深度神经网络
- 深度学习笔记(五)用Torch实现RNN来制作一个神经网络计时器
- 深度学习FPGA实现基础知识0(FPGA击败GPU和GPP,成为深度学习的未来?)
- 【深度学习】在Caffe中配置神经网络的每一层结构
- 深度学习FPGA实现基础知识16(图像处理中任意核卷积(matlab中conv2函数)的快速实现)
- 深度学习_caffe-ubuntu-GPU 配置环境(0)