matlab 编译 GPU 的 matconvnet
版本介绍:
VS2017 Community
MATLAB R2018b
NVIDIA GeForce MX150
Cuda 10.0
cudnn 对应Cuda的版本
matconvnet-1.0-beta25
编译过程:
在以上的工具全部安装后(不分先后顺序,不必配置环境变量)
添加matconvnet工具包到matlab的路径中
在命令行窗口敲命令:
mex -setup c++
cd 到 matconvnet 的 matlab文件夹下
vl_compilenn
同样编译成功。那么到这里时CPU模式编译成功。
然后写一个脚本
这里的 ‘cudaroot’ 和 ‘cudnnRoot’ 后面的路径一定要是自己安装的路径。如果你安装的版本和我的不一样,并且足够幸运的话,就会顺利的编译成功。如下图所示:
不过我觉得不会这么幸运,我的主要问题就是
如果你也遇到了,这个报错会根据你安装的matconvnet包的不同,错误使用后面的 line 会在不同行。我的建议是:请先尝试不同的版本的matconvnet,选一些新的版本尝试,重复之前所有的命令。那么也有说根据 Command 后面的提示,找到提示的m脚本,然后做修改,我尝试了几次,没有用。还有就是把cudnn.lib cudnn.h分别放到Cuda的放lib和.h的文件夹中去,这个我试了也是没有用的。也许对其他的版本组合会有用。
下面是我的坎坷的编译过程:
我在使用了25版本的包后,出现报错:
并且是在运行脚本后迅速结束,也就几秒钟,没有之前的warning提示。然后我在VS的安装路径下的VC文件夹下新建了一个src文件夹,没错就是一个空的,然后编译,出现一大堆warning,然后报错,这个时间有个几分钟。
这个warning我认为就和所有的老外的软件一样,总会有的。然后我在google上找到这个
在622行添加 ‘-R2018b’,…
编译,然后报错:
在上一个脚本359行,删掉largeArray
再次编译,报错:
那么到这里呢,已经成功了一大半了,网上有很多方法解决
在506行删掉一个&, 改成这样
if strcmp(arch, ‘win64’) & (opts.enableCudnn)
最后一次编译,成功。
到这里基本就成功了,你也可以输入
vl_testnn(‘gpu’, true)
测试是否成功,需要等待1000秒左右。我之前也看到过有的教程上说,如果编译成功,会在哪个文件夹生成编译后的程序,运行后,就可以看到编译的结果,这个我是没找到,也有说要把什么程序放到vs里去编译,我这个直接就报错了,到现在为止,我已经成功训练了自己的模型,说明我这个编译是没有问题的。
最后,祝各位顺利。
- MatConvNet的CPU和GPU编译配置
- matlab 的另一种编译 matconvnet 的方法
- windows配置caffe及matlab/python接口编译和调用(cpu/gpu)
- windows下编译Matconvnet的方法(CPU和GPU)
- 编译matconvnet(GPU版本)报错fatal error C1083: 无法打开包括文件: “windows.h”: No such file or directory
- windows下编译Matconvnet的环境配置(CPU和GPU版本)
- MATLAB 2016中搭建MatConvNet运行环境(调用GPU运行)
- windows下编译Matconvnet的方法(CPU和GPU)
- windows下编译Matconvnet的方法(CPU和GPU)
- matlab下配置matconvnet实现gpu运行深度学习网络
- 编译GPU版本Matconvnet
- windows下编译Matconvnet的方法(CPU和GPU)
- GPU&VS2012&CUDA&matlab&Arrayfire杂记(七)——MFC语言与CUDA
- 在Matlab下编译levmar
- 使用MATLAB BNT贝叶斯工具箱,进行Gibbs Sampling之前需要做的编译工作
- Matlab中的函数编译成动态链接库.dll文件
- 【caffe-MATLAB】自己编译faster-rcnn的MATLAB版本
- 使用VS2013编译Caffe源码(不带GPU支持)步骤
- matconvnet 测试 GPU 模式
- Linux16.04配置tensorflow(GPU源码编译)并深入了解tensorboard