Matconvnet 的安装以及使用

matconvnet是matlab上进行CNN的框架。本文介绍windows下如何安装以及使用它对pre-trained的网络进行finetuning. 这里以win10为例，cuda版本为7.5，cudnn的版本为v3.fine tune的网络VGG-19.
一.matconvnet 安装
1.Precondition: 如果是编译cpu版本的，只需要matlab安装了mex就可以（c与matlab的混编 ，在matlab的commander里输入mex -setup C++搞定）。
如果是编译GPU的话，首先是需要GPU（其实所有独立显卡都可以），然后安装好cuda用于cu文件的编译；如果想使用nvidia正对CNN的加速需要下载cudnn。
2.安装
下载完自己需要的matconvnet版本之后就可以在matlab编译安装了。这里只介绍GPU的安装。
2.1编译：
以matconvnet的目录作为当前目录，添加matlab路径到查找目录，然后将cudnn文件夹复制到当前目录，整个目录结构如下：

其中finetune目录是我后面finetune用到的，这里主要注意把cudnn(图中是cuda)复制到当前目录。
然后既可以按照官网的命令进行编译：
gpuDevice()可以查看你的显卡信息，同时可以看cuda toolkit的版本。

vl_compilenn('enableGpu',true,'cudaMethod','nvcc','cudaRoot','C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5','enableCudnn',true,'cudnnRoot','cuda')

这里需要把cudaRoot后面的路径换做你自己安装的cuda 路径，cudnnRoot后的路径换为你cudnn的路径。同时不用cudnn的话将后面两项去掉即可。如果在编译cudnn版本的时候提示找不到cudnn.h文件，那多数是路径不对，此时一个有效的办法是将cudnn里面的子目录的文件copy到cuda安装路径（上条命令中的cudaRoot参数）下的对应目录下。
下面就可以进行测试了：
vl_testnn(‘gpu’,true)
这里有个问题就是编译的时候可能会出其他错误，如果是说某个函数的参数不对（too few arguments）这种错误，很有可能是版本问题引起的，建议更换了cudnn版本后重新编译。或者先不用cudnn看是否编译成功。
还遇到一个问题，类似与error using mex cc: unsupported gpu architecture ‘compute_52’,这是因为这个值只能取10倍数，在vl_compilenn里面的cudaArch函数里面将arch_code固定为你自己的GPU的计算能力即可（取最接近的10的倍数，要用字符格式），如下：

function cudaArch = get_cuda_arch(opts)
% --------------------------------------------------------------------
opts.verbose && fprintf('%s:\tCUDA: determining GPU compute capability (use the ''CudaArch'' option to override)\n', mfilename);
try
  gpu_device = gpuDevice();
  arch_code = strrep(gpu_device.ComputeCapability, '.', '');
  arch_code = '50'%自己添加的
  cudaArch = ...
      sprintf('-gencode=arch=compute_%s,code=\\\"sm_%s,compute_%s\\\" ', ...
              arch_code, arch_code, arch_code) ;
catch
  opts.verbose && fprintf(['%s:\tCUDA: cannot determine the capabilities of the installed GPU;' ...