要求
1.MatConvNet官网要求
You will need a sufficiently recent MATLAB version (R2015b or newer)
需要一个足够新的MATLAB版本(R2015b或更高版本)
and a compiler with C++11 support :
(Visual Studio 2015, GCC 4.8, Xcode 7.3.1 or higher).
一个具有C ++ 11支持的编译器(Visual Studio 2015,GCC 4.8,Xcode 7.3.1或更高版本),Win10下安装好Visual Studio 2015。
For GPU computation, you will need at least CUDA 7.5 and, optionally, CuDNN v4 or newer.
对于GPU计算,您将至少需要CUDA 7.5,以及(可选)CuDNN v4或更高版本
2.matlab与CUDA版本要求
这里我们安装了matlab2016b,使用较新版本的CUDA需要编译,参考网上选择CUDA8.0(注意事项:CUDA似乎只在8.0版本开始才支持VS 2015,之前用CUDA 7.5出很多问题,后来换8.0才弄好,安装了VS 2015的同学需要注意此信息)
去官网下载和系统匹配的CUDA和CUDNN
安装安装CUDA 8.0及配置环境变量
1.安装,双击下载的exe文件,进行默认安装即可
2.配置环境变量
安装完毕后,在计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
因为安装路径是默认的,所以添加的路径分别是下面这样的:
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_PATH_V8_0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_SDK_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDA_LIB_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
CUDA_BIN_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
CUDA_SDK_BIN_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64
CUDA_SDK_LIB_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64
图片为本机环境变量
然后,在系统变量 PATH 的末尾添加:
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
即为
;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64;C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;
3.重启计算机,环境变量生效
4.Windows上查看CUDA是否安装成功
在命令行中打开:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite(如果自定义了安装路径需要修改该路径)
中的 bandwidthTest.exe 和 deviceQuery.exe 文件,如果最后都显示 Result = PASS 则说明安装成功
注意:如果CUDA安装在C盘需要使用管理员方式打开CMD命令行
result都为PASS则为安装成功。此外还有方法介绍:在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64目录下,如果有 cputi64_xxx.dll (xxx为你安装的CUDA版本)也说明安装成功。
5.在命令行中输入 nvcc -V 可以查看版本信息:
安装CUDNN
下载完成后,需要将cuDNN v5.1解压后的cuda文件拷贝至NVIDIA GPU Computing Toolkit\CUDA\v8.0文件夹下,比如我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
安装、编译MatConvNet
下载好MatConvNet
为CPU编译,如果这是您第一次编译MatConvNet,请考虑首先尝试使用CPU版本
1.确保已将MATLAB 配置为使用编译器.
%启动matlab,将MatConvNet添加到路径
%对于Windows,请确保已安装Visual Studio 2015或更高版本
mex -setup
mex -setup C++
2.打开MATLAB并输入下列命令
cd matconvnet-1.0-beta25
addpath matlab
vl_compilenn
%此时MatConvNet应该开始编译。如果一切顺利,就可以使用该库了。
有很多橘色警告,但是并没有红色警告,可以正常使用。
vl_compilenn('enableGpu', true)
或
vl_compilenn('enableGpu', true, ...
'cudaRoot','C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0', ...
'cudaMethod', 'nvcc') % for windows ,cudaRoot为自己安装的CUDA路径
有很多橘色警告,但是并没有红色警告,可以正常使用。
输入
vl_testnn %测试MatConvNet,使用GPU
输入
vl_testnn('gpu', true) %测试MatConvNet,使用GPU
MATLAB会运行一段时间,最后会输出类似如下信息,说明环境搭建成功。
至此,环境搭建结束。
参考文献
1.https://www.cnblogs.com/lyx2018/p/7905856.html
2.https://www.cnblogs.com/chenzhen0530/p/10939319.html
3.https://blog.csdn.net/greatcloudl/article/details/105209287
4.https://www.vlfeat.org/matconvnet/
5.https://blog.csdn.net/discoverer100/article/details/78963233
6.https://blog.csdn.net/lianggyu/article/details/100115246