Caffe编译代码的时候报各种未定义未声明

最新推荐文章于 2023-03-14 17:06:22 发布
最新推荐文章于 2023-03-14 17:06:22 发布
阅读量5.2k 收藏
点赞数

自己装的CUDNN是一个版本，而运行别人的code时可能人家对应CUDNN的另一个版本，此时需要修改关键字来兼容版本，参考

1.

https://github.com/BVLC/caffe/issues/1792

https://github.com/BVLC/caffe/pull/1739

https://github.com/BVLC/caffe/pull/1739/commits/bb00447d9438a0b5adf3d5ca6b1dc1d4995a464f

4   include/caffe/common_layers.hpp
@@ -407,8 +407,8 @@ class CuDNNSoftmaxLayer : public SoftmaxLayer<Dtype> {
    const vector<bool>& propagate_down, vector<Blob<Dtype>*>* bottom);
   
    cudnnHandle_t handle_;
   - cudnnTensor4dDescriptor_t bottom_desc_;
   - cudnnTensor4dDescriptor_t top_desc_;
    + cudnnTensorDescriptor_t bottom_desc_;
    + cudnnTensorDescriptor_t top_desc_;
    };
    #endif
   
 
View 
12   include/caffe/neuron_layers.hpp
@@ -380,8 +380,8 @@ class CuDNNReLULayer : public ReLULayer<Dtype> {
    const vector<bool>& propagate_down, vector<Blob<Dtype>*>* bottom);
   
    cudnnHandle_t handle_;
   - cudnnTensor4dDescriptor_t bottom_desc_;
   - cudnnTensor4dDescriptor_t top_desc_;
    + cudnnTensorDescriptor_t bottom_desc_;
    + cudnnTensorDescriptor_t top_desc_;
    };
    #endif
   
@@ -464,8 +464,8 @@ class CuDNNSigmoidLayer : public SigmoidLayer<Dtype> {
    const vector<bool>& propagate_down, vector<Blob<Dtype>*>* bottom);
   
    cudnnHandle_t handle_;
   - cudnnTensor4dDescriptor_t bottom_desc_;
   - cudnnTensor4dDescriptor_t top_desc_;
    + cudnnTensorDescriptor_t bottom_desc_;
    + cudnnTensorDescriptor_t top_desc_;
    };
    #endif
   
@@ -550,8 +550,8 @@ class CuDNNTanHLayer : public TanHLayer<Dtype> {
    const vector<bool>& propagate_down, vector<Blob<Dtype>*>* bottom);
   
    cudnnHandle_t handle_;
   - cudnnTensor4dDescriptor_t bottom_desc_;
   - cudnnTensor4dDescriptor_t top_desc_;
    + cudnnTensorDescriptor_t bottom_desc_;
    + cudnnTensorDescriptor_t top_desc_;
    };
    #endif
   
 
View 
29   include/caffe/util/cudnn.hpp
@@ -56,34 +56,34 @@ template<> class dataType<double> {
    };
   
    template <typename Dtype>
   -inline void createTensor4dDesc(cudnnTensor4dDescriptor_t* desc) {
   - CUDNN_CHECK(cudnnCreateTensor4dDescriptor(desc));
    +inline void createTensor4dDesc(cudnnTensorDescriptor_t* desc) {
    + CUDNN_CHECK(cudnnCreateTensorDescriptor(desc));
    }
   
    template <typename Dtype>
   -inline void setTensor4dDesc(cudnnTensor4dDescriptor_t* desc,
   - int n, int c, int h, int w,
   - int stride_n, int stride_c, int stride_h, int stride_w) {
    +inline void setTensor4dDesc(cudnnTensorDescriptor_t* desc,
    + int n, int c, int h, int w,
    + int stride_n, int stride_c, int stride_h, int stride_w) {
    CUDNN_CHECK(cudnnSetTensor4dDescriptorEx(*desc, dataType<Dtype>::type,
   - n, c, h, w, stride_n, stride_c, stride_h, stride_w));
    + n, c, h, w, stride_n, stride_c, stride_h, stride_w));
    }
   
    template <typename Dtype>
   -inline void setTensor4dDesc(cudnnTensor4dDescriptor_t* desc,
   - int n, int c, int h, int w) {
    +inline void setTensor4dDesc(cudnnTensorDescriptor_t* desc,
    + int n, int c, int h, int w) {
    const int stride_w = 1;
    const int stride_h = w * stride_w;
    const int stride_c = h * stride_h;
    const int stride_n = c * stride_c;
    setTensor4dDesc<Dtype>(desc, n, c, h, w,
   - stride_n, stride_c, stride_h, stride_w);
    + stride_n, stride_c, stride_h, stride_w);
    }
   
    template <typename Dtype>
    inline void createFilterDesc(cudnnFilterDescriptor_t* desc,
    int n, int c, int h, int w) {
    CUDNN_CHECK(cudnnCreateFilterDescriptor(desc));
   - CUDNN_CHECK(cudnnSetFilterDescriptor(*desc, dataType<Dtype>::type,
    + CUDNN_CHECK(cudnnSetFilter4dDescriptor(*desc, dataType<Dtype>::type,
    n, c, h, w));
    }
   
@@ -94,9 +94,9 @@ inline void createConvolutionDesc(cudnnConvolutionDescriptor_t* conv) {
   
    template <typename Dtype>
    inline void setConvolutionDesc(cudnnConvolutionDescriptor_t* conv,
   - cudnnTensor4dDescriptor_t bottom, cudnnFilterDescriptor_t filter,
    + cudnnTensorDescriptor_t bottom, cudnnFilterDescriptor_t filter,
    int pad_h, int pad_w, int stride_h, int stride_w) {
   - CUDNN_CHECK(cudnnSetConvolutionDescriptor(*conv, bottom, filter,
    + CUDNN_CHECK(cudnnSetConvolution2dDescriptor(*conv,
    pad_h, pad_w, stride_h, stride_w, 1, 1, CUDNN_CROSS_CORRELATION));
    }
   
@@ -109,14 +109,15 @@ inline void createPoolingDesc(cudnnPoolingDescriptor_t* conv,
    *mode = CUDNN_POOLING_MAX;
    break;
    case PoolingParameter_PoolMethod_AVE:
    + // *mode = CUDNN_POOLING_AVERAGE_COUNT_INCLUDE_PADDING;
    *mode = CUDNN_POOLING_AVERAGE;
    break;
    default:
    LOG(FATAL) << "Unknown pooling method.";
    }
    CUDNN_CHECK(cudnnCreatePoolingDescriptor(conv));
   - CUDNN_CHECK(cudnnSetPoolingDescriptor(*conv, *mode, h, w,
   - stride_h, stride_w));
    + CUDNN_CHECK(cudnnSetPooling2dDescriptor(*conv, *mode, h, w,
    + 0, 0, stride_h, stride_w));
    }
   
    } // namespace cudnn
 
View 
6   include/caffe/vision_layers.hpp
@@ -145,8 +145,8 @@ class CuDNNConvolutionLayer : public ConvolutionLayer<Dtype> {
   
    cudnnHandle_t* handle_;
    cudaStream_t* stream_;
   - vector<cudnnTensor4dDescriptor_t> bottom_descs_, top_descs_;
   - cudnnTensor4dDescriptor_t bias_desc_;
    + vector<cudnnTensorDescriptor_t> bottom_descs_, top_descs_;
    + cudnnTensorDescriptor_t bias_desc_;
    cudnnFilterDescriptor_t filter_desc_;
    vector<cudnnConvolutionDescriptor_t> conv_descs_;
    int bottom_offset_, top_offset_, weight_offset_, bias_offset_;
@@ -344,7 +344,7 @@ class CuDNNPoolingLayer : public PoolingLayer<Dtype> {
    const vector<bool>& propagate_down, vector<Blob<Dtype>*>* bottom);
   
    cudnnHandle_t handle_;
   - cudnnTensor4dDescriptor_t bottom_desc_, top_desc_;
    + cudnnTensorDescriptor_t bottom_desc_, top_desc_;
    cudnnPoolingDescriptor_t pooling_desc_;
    cudnnPoolingMode_t mode_;
    };
 
View 
10   src/caffe/layers/cudnn_conv_layer.cpp
@@ -43,10 +43,10 @@ void CuDNNConvolutionLayer<Dtype>::LayerSetUp(
   
    // Create tensor descriptor(s) for data and corresponding convolution(s).
    for (int i = 0; i < bottom.size(); i++) {
   - cudnnTensor4dDescriptor_t bottom_desc;
    + cudnnTensorDescriptor_t bottom_desc;
    cudnn::createTensor4dDesc<Dtype>(&bottom_desc);
    bottom_descs_.push_back(bottom_desc);
   - cudnnTensor4dDescriptor_t top_desc;
    + cudnnTensorDescriptor_t top_desc;
    cudnn::createTensor4dDesc<Dtype>(&top_desc);
    top_descs_.push_back(top_desc);
    cudnnConvolutionDescriptor_t conv_desc;
@@ -99,12 +99,12 @@ void CuDNNConvolutionLayer<Dtype>::Reshape(
    template <typename Dtype>
    CuDNNConvolutionLayer<Dtype>::~CuDNNConvolutionLayer() {
    for (int i = 0; i < bottom_descs_.size(); i++) {
   - cudnnDestroyTensor4dDescriptor(bottom_descs_[i]);
   - cudnnDestroyTensor4dDescriptor(top_descs_[i]);
    + cudnnDestroyTensorDescriptor(bottom_descs_[i]);
    + cudnnDestroyTensorDescriptor(top_descs_[i]);
    cudnnDestroyConvolutionDescriptor(conv_descs_[i]);
    }
    if (this->bias_term_) {
   - cudnnDestroyTensor4dDescriptor(bias_desc_);
    + cudnnDestroyTensorDescriptor(bias_desc_);
    }
    cudnnDestroyFilterDescriptor(filter_desc_);
   
 
View 
87   src/caffe/layers/cudnn_conv_layer.cu
@@ -21,21 +21,51 @@ void CuDNNConvolutionLayer<Dtype>::Forward_gpu(
   
    // Forward through cuDNN in parallel over groups.
    for (int g = 0; g < this->group_; g++) {
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    + cudnnConvolutionFwdAlgo_t algo;
    +
    + // get the desired convolution algorithm
    + CUDNN_CHECK(cudnnGetConvolutionForwardAlgorithm(handle_[g],
    + bottom_descs_[i],
    + filter_desc_,
    + conv_descs_[i],
    + top_descs_[i],
    + CUDNN_CONVOLUTION_FWD_NO_WORKSPACE,
    + 0, // memoryLimitInBytes,
    + &algo));
    +
    + // get minimum size of the workspace needed for the desired algorithm
    + size_t workspaceSizeInBytes;
    +
    + CUDNN_CHECK(cudnnGetConvolutionForwardWorkspaceSize(handle_[g],
    + bottom_descs_[i],
    + filter_desc_,
    + conv_descs_[i],
    + top_descs_[i],
    + algo,
    + &workspaceSizeInBytes));
    +
    + void *workspace = NULL;
    +
    // Filters.
   - CUDNN_CHECK(cudnnConvolutionForward(handle_[g],
   - bottom_descs_[i], bottom_data + bottom_offset_ * g,
   - filter_desc_, weight + weight_offset_ * g,
   - conv_descs_[i],
   - top_descs_[i], top_data + top_offset_ * g,
   - CUDNN_RESULT_NO_ACCUMULATE));
    + CUDNN_CHECK(cudnnConvolutionForward(handle_[g], (void *)(&alpha),
    + bottom_descs_[i], bottom_data + bottom_offset_ * g,
    + filter_desc_, weight + weight_offset_ * g,
    + conv_descs_[i],
    + algo, workspace, workspaceSizeInBytes, // algo, workspace, workspacebytes,
    + (void *)(&beta),
    + top_descs_[i], top_data + top_offset_ * g));
   
    // Bias.
    if (this->bias_term_) {
    const Dtype* bias_data = this->blobs_[1]->gpu_data();
   - Dtype alpha = 1.;
   - CUDNN_CHECK(cudnnAddTensor4d(handle_[g], CUDNN_ADD_SAME_C, &alpha,
   - bias_desc_, bias_data + bias_offset_ * g,
   - top_descs_[i], top_data + top_offset_ * g));
    + Dtype alpha = 1.0;
    + Dtype beta = 1.0;
    + CUDNN_CHECK(cudnnAddTensor(handle_[g], CUDNN_ADD_SAME_C, (void *)(&alpha),
    + bias_desc_, bias_data + bias_offset_ * g, (void *)(&beta),
    + top_descs_[i], top_data + top_offset_ * g));
    }
    }
   
@@ -65,34 +95,39 @@ void CuDNNConvolutionLayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_diff = top[i]->gpu_diff();
    // Backward through cuDNN in parallel over groups and gradients.
    for (int g = 0; g < this->group_; g++) {
    +
    // Gradient w.r.t. bias.
    if (this->bias_term_ && this->param_propagate_down_[1]) {
   - CUDNN_CHECK(cudnnConvolutionBackwardBias(handle_[0*this->group_ + g],
   - top_descs_[i], top_diff + top_offset_ * g,
   - bias_desc_, bias_diff + bias_offset_ * g,
   - CUDNN_RESULT_ACCUMULATE));
    + const Dtype alpha = 1.0;
    + const Dtype beta = 1.0;
    + CUDNN_CHECK(cudnnConvolutionBackwardBias(handle_[0*this->group_ + g], (void *)(&alpha),
    + top_descs_[i], top_diff + top_offset_ * g,
    + (void *)(&beta),
    + bias_desc_, bias_diff + bias_offset_ * g));
    }
   
    // Gradient w.r.t. weights.
    if (this->param_propagate_down_[0]) {
    + const Dtype alpha = 1.0;
    + const Dtype beta = 1.0;
    const Dtype* bottom_data = (*bottom)[i]->gpu_data();
   - CUDNN_CHECK(cudnnConvolutionBackwardFilter(handle_[1*this->group_ + g],
   - bottom_descs_[i], bottom_data + bottom_offset_ * g,
   - top_descs_[i], top_diff + top_offset_ * g,
   - conv_descs_[i],
   - filter_desc_, weight_diff + weight_offset_ * g,
   - CUDNN_RESULT_ACCUMULATE));
    + CUDNN_CHECK(cudnnConvolutionBackwardFilter(handle_[1*this->group_ + g], (void *)(&alpha),
    + bottom_descs_[i], bottom_data + bottom_offset_ * g,
    + top_descs_[i], top_diff + top_offset_ * g,
    + conv_descs_[i], (void *)(&beta),
    + filter_desc_, weight_diff + weight_offset_ * g));
    }
   
    // Gradient w.r.t. bottom data.
    if (propagate_down[i]) {
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    Dtype* bottom_diff = (*bottom)[i]->mutable_gpu_diff();
   - CUDNN_CHECK(cudnnConvolutionBackwardData(handle_[2*this->group_ + g],
   - filter_desc_, weight + weight_offset_ * g,
   - top_descs_[i], top_diff + top_offset_ * g,
   - conv_descs_[i],
   - bottom_descs_[i], bottom_diff + bottom_offset_ * g,
   - CUDNN_RESULT_NO_ACCUMULATE));
    + CUDNN_CHECK(cudnnConvolutionBackwardData(handle_[2*this->group_ + g], (void *)(&alpha),
    + filter_desc_, weight + weight_offset_ * g,
    + top_descs_[i], top_diff + top_offset_ * g,
    + conv_descs_[i], (void *)(&beta),
    + bottom_descs_[i], bottom_diff + bottom_offset_ * g));
    }
    }
   
 
View 
4   src/caffe/layers/cudnn_pooling_layer.cpp
@@ -34,8 +34,8 @@ void CuDNNPoolingLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
   
    template <typename Dtype>
    CuDNNPoolingLayer<Dtype>::~CuDNNPoolingLayer() {
   - cudnnDestroyTensor4dDescriptor(bottom_desc_);
   - cudnnDestroyTensor4dDescriptor(top_desc_);
    + cudnnDestroyTensorDescriptor(bottom_desc_);
    + cudnnDestroyTensorDescriptor(top_desc_);
    cudnnDestroyPoolingDescriptor(pooling_desc_);
    cudnnDestroy(handle_);
    }
 
View 
18   src/caffe/layers/cudnn_pooling_layer.cu
@@ -21,8 +21,12 @@ void CuDNNPoolingLayer<Dtype>::Forward_gpu(const vector<Blob<Dtype>*>& bottom,
   
    const Dtype* bottom_data = bottom[0]->gpu_data();
    Dtype* top_data = (*top)[0]->mutable_gpu_data();
   - CUDNN_CHECK(cudnnPoolingForward(handle_, pooling_desc_,
   - bottom_desc_, bottom_data, top_desc_, top_data));
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    + CUDNN_CHECK(cudnnPoolingForward(handle_, pooling_desc_, (void *)(&alpha),
    + bottom_desc_, bottom_data, (void *)(&beta), top_desc_, top_data));
    }
   
    template <typename Dtype>
@@ -43,9 +47,13 @@ void CuDNNPoolingLayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_data = top[0]->gpu_data();
    const Dtype* bottom_data = (*bottom)[0]->gpu_data();
    Dtype* bottom_diff = (*bottom)[0]->mutable_gpu_diff();
   - CUDNN_CHECK(cudnnPoolingBackward(handle_, pooling_desc_,
   - top_desc_, top_data, top_desc_, top_diff,
   - bottom_desc_, bottom_data, bottom_desc_, bottom_diff));
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    + CUDNN_CHECK(cudnnPoolingBackward(handle_, pooling_desc_, (void *)(&alpha),
    + top_desc_, top_data, top_desc_, top_diff,
    + bottom_desc_, bottom_data, (void *)(&beta), bottom_desc_, bottom_diff));
    }
   
    INSTANTIATE_CLASS(CuDNNPoolingLayer);
 
View 
4   src/caffe/layers/cudnn_relu_layer.cpp
@@ -31,8 +31,8 @@ void CuDNNReLULayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
   
    template <typename Dtype>
    CuDNNReLULayer<Dtype>::~CuDNNReLULayer() {
   - cudnnDestroyTensor4dDescriptor(this->bottom_desc_);
   - cudnnDestroyTensor4dDescriptor(this->top_desc_);
    + cudnnDestroyTensorDescriptor(this->bottom_desc_);
    + cudnnDestroyTensorDescriptor(this->top_desc_);
    cudnnDestroy(this->handle_);
    }
   
 
View 
20   src/caffe/layers/cudnn_relu_layer.cu
@@ -17,9 +17,14 @@ void CuDNNReLULayer<Dtype>::Forward_gpu(const vector<Blob<Dtype>*>& bottom,
   
    const Dtype* bottom_data = bottom[0]->gpu_data();
    Dtype* top_data = (*top)[0]->mutable_gpu_data();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationForward(this->handle_,
   - CUDNN_ACTIVATION_RELU,
   - this->bottom_desc_, bottom_data, this->top_desc_, top_data));
    + CUDNN_ACTIVATION_RELU, (void *)(&alpha),
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->top_desc_, top_data));
    }
   
    template <typename Dtype>
@@ -39,10 +44,15 @@ void CuDNNReLULayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_diff = top[0]->gpu_diff();
    const Dtype* bottom_data = (*bottom)[0]->gpu_data();
    Dtype* bottom_diff = (*bottom)[0]->mutable_gpu_diff();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationBackward(this->handle_,
   - CUDNN_ACTIVATION_RELU,
   - this->top_desc_, top_data, this->top_desc_, top_diff,
   - this->bottom_desc_, bottom_data, this->bottom_desc_, bottom_diff));
    + CUDNN_ACTIVATION_RELU, (void *)(&alpha),
    + this->top_desc_, top_data, this->top_desc_, top_diff,
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->bottom_desc_, bottom_diff));
    }
   
    INSTANTIATE_CLASS(CuDNNReLULayer);
 
View 
4   src/caffe/layers/cudnn_sigmoid_layer.cpp
@@ -31,8 +31,8 @@ void CuDNNSigmoidLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
   
    template <typename Dtype>
    CuDNNSigmoidLayer<Dtype>::~CuDNNSigmoidLayer() {
   - cudnnDestroyTensor4dDescriptor(this->bottom_desc_);
   - cudnnDestroyTensor4dDescriptor(this->top_desc_);
    + cudnnDestroyTensorDescriptor(this->bottom_desc_);
    + cudnnDestroyTensorDescriptor(this->top_desc_);
    cudnnDestroy(this->handle_);
    }
   
 
View 
20   src/caffe/layers/cudnn_sigmoid_layer.cu
@@ -12,9 +12,14 @@ void CuDNNSigmoidLayer<Dtype>::Forward_gpu(const vector<Blob<Dtype>*>& bottom,
    vector<Blob<Dtype>*>* top) {
    const Dtype* bottom_data = bottom[0]->gpu_data();
    Dtype* top_data = (*top)[0]->mutable_gpu_data();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationForward(this->handle_,
   - CUDNN_ACTIVATION_SIGMOID,
   - this->bottom_desc_, bottom_data, this->top_desc_, top_data));
    + CUDNN_ACTIVATION_SIGMOID, (void *)(&alpha),
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->top_desc_, top_data));
    }
   
    template <typename Dtype>
@@ -29,10 +34,15 @@ void CuDNNSigmoidLayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_diff = top[0]->gpu_diff();
    const Dtype* bottom_data = (*bottom)[0]->gpu_data();
    Dtype* bottom_diff = (*bottom)[0]->mutable_gpu_diff();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationBackward(this->handle_,
   - CUDNN_ACTIVATION_SIGMOID,
   - this->top_desc_, top_data, this->top_desc_, top_diff,
   - this->bottom_desc_, bottom_data, this->bottom_desc_, bottom_diff));
    + CUDNN_ACTIVATION_SIGMOID, (void *)(&alpha),
    + this->top_desc_, top_data, this->top_desc_, top_diff,
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->bottom_desc_, bottom_diff));
    }
   
    INSTANTIATE_CLASS(CuDNNSigmoidLayer);
 
View 
4   src/caffe/layers/cudnn_softmax_layer.cpp
@@ -35,8 +35,8 @@ void CuDNNSoftmaxLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
   
    template <typename Dtype>
    CuDNNSoftmaxLayer<Dtype>::~CuDNNSoftmaxLayer() {
   - cudnnDestroyTensor4dDescriptor(bottom_desc_);
   - cudnnDestroyTensor4dDescriptor(top_desc_);
    + cudnnDestroyTensorDescriptor(bottom_desc_);
    + cudnnDestroyTensorDescriptor(top_desc_);
    cudnnDestroy(handle_);
    }
   
 
View 
18   src/caffe/layers/cudnn_softmax_layer.cu
@@ -16,9 +16,14 @@ void CuDNNSoftmaxLayer<Dtype>::Forward_gpu(const vector<Blob<Dtype>*>& bottom,
    vector<Blob<Dtype>*>* top) {
    const Dtype* bottom_data = bottom[0]->gpu_data();
    Dtype* top_data = (*top)[0]->mutable_gpu_data();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnSoftmaxForward(handle_, CUDNN_SOFTMAX_ACCURATE,
   - CUDNN_SOFTMAX_MODE_CHANNEL,
   - bottom_desc_, bottom_data, top_desc_, top_data));
    + CUDNN_SOFTMAX_MODE_CHANNEL, (void *)(&alpha),
    + bottom_desc_, bottom_data, (void *)(&beta),
    + top_desc_, top_data));
    }
   
    template <typename Dtype>
@@ -29,9 +34,14 @@ void CuDNNSoftmaxLayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_diff = top[0]->gpu_diff();
    const Dtype* bottom_data = (*bottom)[0]->gpu_data();
    Dtype* bottom_diff = (*bottom)[0]->mutable_gpu_diff();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnSoftmaxBackward(handle_, CUDNN_SOFTMAX_ACCURATE,
   - CUDNN_SOFTMAX_MODE_CHANNEL,
   - top_desc_, top_data, top_desc_, top_diff, bottom_desc_, bottom_diff));
    + CUDNN_SOFTMAX_MODE_CHANNEL, (void *)(&alpha),
    + top_desc_, top_data, top_desc_, top_diff, (void *)(&beta),
    + bottom_desc_, bottom_diff));
    }
    }
   
 
View 
4   src/caffe/layers/cudnn_tanh_layer.cpp
@@ -31,8 +31,8 @@ void CuDNNTanHLayer<Dtype>::Reshape(const vector<Blob<Dtype>*>& bottom,
   
    template <typename Dtype>
    CuDNNTanHLayer<Dtype>::~CuDNNTanHLayer() {
   - cudnnDestroyTensor4dDescriptor(this->bottom_desc_);
   - cudnnDestroyTensor4dDescriptor(this->top_desc_);
    + cudnnDestroyTensorDescriptor(this->bottom_desc_);
    + cudnnDestroyTensorDescriptor(this->top_desc_);
    cudnnDestroy(this->handle_);
    }
   
 
View 
20   src/caffe/layers/cudnn_tanh_layer.cu

@@ -12,9 +12,14 @@ void CuDNNTanHLayer<Dtype>::Forward_gpu(const vector<Blob<Dtype>*>& bottom,
    vector<Blob<Dtype>*>* top) {
    const Dtype* bottom_data = bottom[0]->gpu_data();
    Dtype* top_data = (*top)[0]->mutable_gpu_data();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationForward(this->handle_,
   - CUDNN_ACTIVATION_TANH,
   - this->bottom_desc_, bottom_data, this->top_desc_, top_data));
    + CUDNN_ACTIVATION_TANH, (void *)(&alpha),
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->top_desc_, top_data));
    }
   
    template <typename Dtype>
@@ -29,10 +34,15 @@ void CuDNNTanHLayer<Dtype>::Backward_gpu(const vector<Blob<Dtype>*>& top,
    const Dtype* top_diff = top[0]->gpu_diff();
    const Dtype* bottom_data = (*bottom)[0]->gpu_data();
    Dtype* bottom_diff = (*bottom)[0]->mutable_gpu_diff();
    +
    + const Dtype alpha = 1.0;
    + const Dtype beta = 0.0;
    +
    CUDNN_CHECK(cudnnActivationBackward(this->handle_,
   - CUDNN_ACTIVATION_TANH,
   - this->top_desc_, top_data, this->top_desc_, top_diff,
   - this->bottom_desc_, bottom_data, this->bottom_desc_, bottom_diff));
    + CUDNN_ACTIVATION_TANH, (void *)(&alpha),
    + this->top_desc_, top_data, this->top_desc_, top_diff,
    + this->bottom_desc_, bottom_data, (void *)(&beta),
    + this->bottom_desc_, bottom_diff));
    }
   
    INSTANTIATE_CLASS(CuDNNTanHLayer);
2. 

http://stackoverflow.com/questions/36637923/caffe-error-make-test

https://github.com/BVLC/caffe/pull/3919/files

知海无涯学无止境
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
C++ 调用 Caffe 训练好的网络(样例:LeNet)
ydar95的博客
04-28 7038
C++ 调用 Caffe 训练好的网络(样例:LeNet)1. 说明我们用Caffe可以很方便的训练我们的网络,但是当真正的拿去用到C++之类的工程的时候就不知道怎么做了.于是我打算介绍下C++ 如何调用 Caffe 训练好的网络和API .前期准备: g++ ( 支持 C++11 版本 ) cmake opencv ,还有Caffe ( 我在这里就不介绍Caffe 的安装使用了)2. 一些 ca
CUDA 9中张量核（Tensor Cores）编程
吴建明wujianming_110117
06-03 2861
CUDA 9中编程张量核（Tensor Cores） Programming Tensor Cores in CUDA 9 一．概述 新的Volta GPU架构的一个重要特点是它的Tensor核，使Tesla V100加速器的峰值吞吐量是上一代Tesla P100的32位浮点吞吐量的12倍。Tensor内核使人工智能程序员能够使用混合精度来获得更高的吞吐量，而不牺牲精度。 Tensor核心已经在许多深度学习框架（包括Tensorflow、PyTorch、MXNet和Caffe2）中支持深度学习训练，无论是在
【caffe源码研究】第三章：源码篇(10) ：ConvolutionLayer
Row Row Row your boat
01-06 1994
简介CNN最经典的几个层，这里介绍一下卷积层。这张图总结的不太全面，但是基本表现出了卷积层的继承关系。BaseConvolutionLayer其继承自Layer，是一个卷积以及反卷积操作的基类，首先我们来看BaseConvolutionLayer的LayerSetUp函数void BaseConvolutionLayer<Dtype>::LayerSetUp(const vector<Blob<Dt
Caffe框架源码剖析(4)—卷积层基类BaseConvolutionLayer
Rolin的专栏
09-16 1664
数据层DataLayer正向传导的目标层是卷积层ConvolutionLayer。卷积层的是用一系列的权重滤波核与输入图像进行卷积，具体实现是通过将图像展开成向量，作用矩阵乘法实现卷积。
Ubuntu14.04编译caffe问题记录
camille靖的博客
12-09 5189
http://blog.sina.com.cn/s/blog_721a75e50102wfig.html 问题一：libunwind.so.8: undefinedreference //usr/lib/x86_64-linux-gnu/libunwind.so.8: undefined referenceto `lzma_index_end@XZ_5.0'  //usr/lib/x86_6
windows下caffe编译的python接口
04-23
首先，Caffe的编译过程涉及多个步骤，包括安装依赖库、配置CMake、编译源代码等。对于Windows用户，通常会使用Visual Studio作为编译工具。确保你已安装了以下依赖： 1. **Microsoft Visual Studio**: 选择一个支持...
caffe编译安装
01-13
caffe编译详解，亲测Ubuntu16.04成功，网上很多教材都会出现各种问题，很多都是由于软件源缺失造成了，该文档的编译过程是解决了各种包源，然后编译成功的，有兴趣可以看看
Caffe安装与编译过程
05-06
Caffe安装与编译过程，本文档详细介绍了Caffe的安装与编译过程，小白即可上手，很方便，最全的安装与编译操作步骤
Caffe代码浅析
11-06
### Caffe代码浅析 #### 一、背景知识概述 在深入分析Caffe代码之前，我们首先需要了解一些基础知识，以便更好地理解Caffe的工作原理及其内部结构。 **1. 神经网络** 神经网络是一种模仿人脑神经元工作方式的...
caffe源代码解析
07-10
4. 协议缓冲区（Protocol Buffers）：`caffe.pb.h`是由Google的Protocol Buffers工具根据`caffe.proto`自动生成的，它定义了Caffe中使用的各种数据结构，如BlobProto、Datum、NetParameter等。这些结构化数据类型...
cuDNN 开发指南
10-18
cuda cudnn开发指南文档，详细介绍了数据类型，api参考，编程模型等，cuda深度学习开发参考必备。
计算机视觉算法开发到应用实现
weixin_41683534的博客
07-21 1774
1.简介概述 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟，是人工智能领域的一个要部分，它主要任务是通过对采集的图片或视频进行处理以获得相应场景的信息。传统的计算机视觉系统的主要目标是从图像中提取特征，包括边缘检测、角点检测、基于颜色的分割等子任务。这种方法的主要问题是需要告诉系统在图像中寻找哪些特性。在实现中，算法性能差可以通过微调来解决，但是，这样的更改需要手工完成，并且针对特定的应用程序进行硬编码，这对高质量计算机视觉的实现造成了很大的障碍。当前，深度学习系统在处理一些相...
cuDNN编写卷积实例
weixin_30655569的博客
09-07 817
转载至http://www.goldsborough.me/cuda/ml/cudnn/c++/2017/10/01/14-37-23-convolutions_with_cudnn/ Convolutions are one of the most fundamental building blocks of many modern computer vision model architec...
Caffe 工程的一些编译错误以及解决方案（undefined reference to cv::imread）
wonengguwozai的博客
10-02 3万+
原文链接：http://blog.csdn.net/yhl_leo/article/details/51371936 在编译caffe时遇到了该博文的第二种情况，改正后可以正确执行： （注意根据电脑情况可使用make all -j16） 整理一下最近遇到caffe工程的一些编译错误以及解决方法。 1 cuDNN cuDNN当前最新版本是v5，近两三年的一些caff
cudnn-training
wangjuncode的博客
07-12 331
#include <cstdio> #include <cstdlib> #include <cmath> #include <ctime> #include <cfloat> #include <algorithm> #include <chrono> #include <iomanip> #in...
Cuda相关的函数数
最新发布
qq_44632658的博客
03-14 435
wu
caffe-源码学习——只看一篇就够了
fzyjsy的博客
06-01 457
caffe-源码学习——只看一篇就够了 网络模型 说caffe代码难懂，其实关键点在于caffe中有很多基础的数学运算代码，如果能够对掌握这些数学运算，剩下的就是推公式了。 激活函数 sigmoid 看softmax函数之前先看一下简单的sigmoid, 这个sigmoid layer的cpp实现是非常简洁的。 sigmoid的cpp文件里主要给了三个函数的实现，分别是sigmoid函数...
如何解决caffe和video-caffe不能使用cudnn8编译的问题
XCCCCZ的博客
01-20 4628
因为caffe之类的代码很久不更新了，只支持到了使用cudnn7.x，在使用了cudnn8的环境下编译caffe或video-caffe时，会在src/caffe/layers/cudnn_conv_layer.cpp等文件里出错： error: identifier "CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT" is undefined error: identifier "cudnnGetConvolutionForwardAlgorithm...
caffe配置问题与解决方法集锦
热门推荐
Simon's Blog
02-20 3万+
问题1： Check failed: error == cudaSuccess (8 vs. 0) invalid device function  今天看一篇Paper的时候，要用到Facebook基于caffe改动的适用于3D卷积的代码：C3D: a modified version of BVLC caffe to support 3D ConvNets。于是就git下来，进行配置，Face
Caffe车辆定位Windows版：编译与实战教程
作者对Caffe的Windows版本进行了修改和编译，以适应车辆检测的需求，主要关注以下几个关键部分： 1. **环境准备**： - 系统环境：作者的平台是Windows 7 64位，配备了GTX 650 GPU。对于没有GPU的机器，建议使用CPU...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值