MATLAB R2018b深度学习环境matconvnet配置GPU版本

配置环境：

win10+matlab r2018b+visual studio 2015+CUDA 9.2+cuDNN 7.6.5+matconvnet-1.0-beta25

安装前提：

配置matconvnet之前需要先安装支持C++11的编译器，安装顺序：vs2015->CUDA->cuDNN->matconvnet

安装：

1.下载matconvnet：

去matconvnet官网下载matconvnet的压缩包。解压到你指定的文件夹中。

链接：http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta25.tar.gz

2.编译：

打开matlab，命令行输入

mex -setup
mex -setup C++

然后在命令行中cd到解压的matconvnet文件夹

cd 'D:\software\Matlab r2018b\matconvnet-1.0-beta25'
addpath matlab
vl_compilenn

此时编译的是matconvnet的CPU版本，如果电脑没有GPU，现在就已经搞定了，可以输入

vl_testnn

测试是否编译成功，这个时间比较长，不太建议测试，一般编译的时候没什么问题就可以。

然后我们开始编译GPU版本

vl_compilenn('enableGpu', true)

此时我的电脑上面报错

错误使用 vl_compilenn>search_cuda_devkit (line 715)
Could not find a valid NVCC executable\n

出错 vl_compilenn (line 279)
  if isempty(opts.cudaRoot), opts.cudaRoot = search_cuda_devkit(opts) ; end

 没有找到可执行的NVCC，所以我们需要指定我们电脑上安装CUDA的根目录

vl_compilenn('enableGpu', true, 'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2')

如果安装CUDA的时候使用的是默认的安装位置应该跟我这个差不多。这时候会比较慢，等了一会以为大功告成了，结果到最后又报错了

错误使用 mex
'D:\software\Matlab r2018b\matconvnet-1.0-beta25\matlab\mex\vl_nnconv.mexw64' 使用了 '-R2018a' 进行编译并与 '-R2017b' 链接在一起。 有关详细信息，请参阅 MEX 文件使用了一
个 API 进行编译并与另一个 API 链接在一起。

出错 vl_compilenn>mex_link (line 627)
mex(args{:}) ;

出错 vl_compilenn (line 500)
  mex_link(opts, objs, flags.mex_dir, flags) ;

 可能是matlab版本的问题，网上已经有解决方案了，https://blog.csdn.net/u014292102/article/details/80331481，按照这个修改vl_compilenn.m文件之后重新编译，等待一会，最后显示好几个

使用 'Microsoft Visual C++ 2015 (C)' 编译。
MEX 已成功完成。

 这时候就代表matconvnet的GPU版本已经编译完成，如果想测试一下的话可以输入

vl_testnn('gpu', true)

这个需要等待很长时间，感觉最少要20分钟吧，所以如果没什么问题的话就没必要测试了。