Window环境MatConvNet安装

最新推荐文章于 2024-07-10 11:13:19 发布

Kindle君

最新推荐文章于 2024-07-10 11:13:19 发布

阅读量1w

点赞数 2

分类专栏： MatconvNet 文章标签： matlab MatConvNet Windows

本文链接：https://blog.csdn.net/yexiaogu1104/article/details/73177690

版权

MatconvNet 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Window环境MatConvNet安装

作者：Kindle君
时间：2017年5月31日。
出处：http://blog.csdn.net/yexiaogu1104/article/details/73177690
声明：版权所有，转载请联系作者并注明出处

GPU版本Matlab编译

一、准备GPU和C++环境

1. 安装CUDA8

目录： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

2. 安装Cudnn

根目录：D:\Program Files\MATLAB\matconvnet-1.0-beta24\local\cudnn
子目录：同时将cudnn64_5.dll 复制到 matlab/mex目录下
\cudnn\bin
\cudnn\include
\cudnn\lib

3. 安装VS2013

使用自己的安装包，目的是安装C++编译器

二、安装MatConvNet

1. 下载MatConvNet

主目录： D:\Program Files\MATLAB\matconvnet-1.0-beta24（需要解压两次）

2. 测试C++编译器是否成功安装

3. 添加搜索路径

在主目录下打开matlab,运行addpath matlab。添加搜索路径。

4. 编译工具箱

编译完以后，理论上没问题应该是在安装目录下的mex下，多出一系列的.mexw64 编译文件，（64位系统），如果没有就证明没有编译成功。

 step 1. vl_compilenn('enableGpu', true, ...
               'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0', ...
               'cudaMethod', 'nvcc', ...
               'enableCudnn', true, ...
               'cudnnRoot', 'local/cudnn') ;

step 2. 单独运行 vl_compilenn 语句，可能step1，2重合，不过没关系.

a.出现如下Warning：
    Warning: CL.EXE not found in PATH. Trying to guess out of mex setup. 
    > In vl_compilenn>check_clpath (line 580)
      In vl_compilenn (line 413) 
    'cl.exe' is not recognized as an internal or external command, 
    operable program or batch file. 
    Error using vl_compilenn>check_clpath (line 591)
    Unable to find cl.exe

b.解决办法：
    将目录：
    D:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin
    C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin
    都添加到环境变量，具体是哪个起作用不清楚，但是who cares？It works!

    vl_compilenn('enableGpu', true, ...
           'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0', ...
           'cudaMethod', 'nvcc', ...
           'enableCudnn', true, ...
           'cudnnRoot', 'local/cudnn') ;

5. 设置工具箱

vl_setupnn 说每次调用的时候，需要·vl_setupnn()，尚未测试，测完再回来改*

三、测试

测试之前一定记得，先`vl_compilenn('enablegpu',true)`和`vl_setupnn()`编译一下

1.普通测试

cpu模式：运行vl_testnn，返回如下提示，说明正确安装

 result = 

  1x1683TestResult 数组(具有属性):

    Name
    Passed
    Failed
    Incomplete
    Duration
    Details

总计:
   1683 Passed, 0 Failed, 0 Incomplete.
   161.6398 秒测试时间。

gpu模式： vl_testnn(‘gpu’, true)，返回如下：要下载我就不下了

算了，最后结果还是加上来把，不能偷懒：

 正在拆解 nnspnorm[dataType=single,device=gpu]
  拆解 nnspnorm[dataType=single,device=gpu] 在 0 秒内完成
 nnspnorm 在 4.4619 秒内完成
__________
result = 

  1x3366TestResult 数组(具有属性):

    Name
    Passed
    Failed
    Incomplete
    Duration
    Details

总计:
   3366 Passed, 0 Failed, 0 Incomplete.
   1821.8838 秒测试时间。

2. fast-rcnn目标检测模型

下载模型：http://www.vlfeat.org/matconvnet/models/fast-rcnn-vgg16-pascal07-dagnn.mat
放置目录：D:\Program Files\MATLAB\matconvnet-1.0-beta24\data\models

运行：run examples\fast_rcnn\fast_rcnn_demo.m ,出现如下bug：

run examples\fast_rcnn\fast_rcnn_demo.m
37    opts.modelPath = paths{ok} ;
警告: 读取压缩数据时出现意外的文件结尾。 
> In fast_rcnn_demo (line 41)
  In run (line 96)
  In onCleanup/delete (line 60)
  In run (line 28)
  In onCleanup/delete (line 60)
  In run (line 28)
  In onCleanup/delete (line 60)
  In run (line 28) 
解决办法：
模型没下载完，需要重新下载，感谢同届实习生潇潇童鞋的提醒。

下载好之后，先编译CNN，重新运行，出现如下bug，原因显卡内存不够，小小的GTX960，还是2G的显存，我的天哪，真惨!：
这里写图片描述
运行命令行，查看GPU使用情况，瞬间呵呵！

gpuDevice()

ans = 

  CUDADevice (具有属性):

                      Name: 'GeForce GTX 960'
                     Index: 1
         ComputeCapability: '5.2'
            SupportsDouble: 1
             DriverVersion: 8
            ToolkitVersion: 7.5000
        MaxThreadsPerBlock: 1024
          MaxShmemPerBlock: 49152
        MaxThreadBlockSize: [1024 1024 64]
               MaxGridSize: [2.1475e+09 65535 65535]
                 SIMDWidth: 32
               TotalMemory: 2.1475e+09
           AvailableMemory: 946438144
       MultiprocessorCount: 8
              ClockRateKHz: 1228000
               ComputeMode: 'Default'
      GPUOverlapsTransfers: 1
    KernelExecutionTimeout: 1
          CanMapHostMemory: 1
           DeviceSupported: 1
            DeviceSelected: 1

3. 2017CVPR-CFnet端到端目标跟踪demo运行

CFnet是最新的目标跟踪模型，github上有源码和教程，前面的步骤不多赘述，按照作者提供的教程来就行，这里主要介绍一下在运行demo语句之前，需要对Matlab的MatConvnet做哪些操作。

1. 在要运行的文件所在目录的matlab命令行，启动MatConvnet，语句如下： run D:\matconvnet-1.0-beta24.tar\matconvnet-1.0-beta24\matlab\vl_setupnn.m 没有任何提示，说明成功启动
2. 要使用GPU模式，据潇潇说，只需要在安装过程中，运行vl_compilenn('enablegpu',true)即可，也就是说要是之前运行过，那就会默认用GPU运行，有待我这个初学者进一步试验。
3. 配置环境变量
function paths = env_paths_tracking(varargin)
    paths.net_base = 'E:\视频组工作计划\kindlehe贺思颖\[2]code\cfnet-master\networks/';%'absolute path to your networks folder'; % e.g. '/home/luca/cfnet/networks/';
    paths.eval_set_base =  'E:\视频组工作计划\kindlehe贺思颖\[2]code\cfnet-master\data/'; %'absolute path to your datasets folder'; % e.g. '/home/luca/cfnet/data/';
    paths.stats = 'E:\视频组工作计划\kindlehe贺思颖\[2]code\cfnet-master\data/ILSVRC2015.stats.mat';%'absolute location of ILSVRC2015 stats'; % e.g.'/home/luca/cfnet/data/ILSVRC2015.stats.mat';
    paths = vl_argparse(paths, varargin);
end
4.运行run_cfnet2_evaluation.m即可成功运行
5.切换GPU开关，在tracker.m文件下的net_z = init_net(net_z, p.gpus, p.init_gpu);语句可以看到，将p.gpus=1改为p.gpus=[]，查看运行效率 即可