MatConvNet配置详解，吐血整理Win10+MATLAB2019a+VS2015+cuda11.0

一、准备工作

1、matconvnet深度学习工具包，我这里用的是最新版本matconvnet-1.0-beta25， matconvnet下载地址：Home - MatConvNet

下载好的文件解压，重命名为matconvnet放在C:\Program Files\Polyspace\R2019a\toolbox文件夹下

2、vs，推荐用VS2015及以上版本，我这里用的是VS2015，matconvnet在配置时需要用到这个软件里面的c++编译器，这里注意安装的时候要自定义安装勾选C++，不然不会生成cl.exe文件，如果忘记了也没事，安装好软件以后新建一个C++工程他就会自动生成cl.exe文件

3、matlab2019a（win64）

4、在安装cuda 11.0之前要先安装上自己显卡最新的官方驱动，驱动下载链接：

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

5、cuda+cudnn安装，默认路径安装（我这里使用的是cuda11.0，因为我的电脑显卡是RTX3060ti,网上说法是3060显卡只支持11.0以上的cuda算力），cuda版本和cudnn版本要一致，cuda下载连接CUDA Toolkit 11.8 Downloads | NVIDIA Developer

cudnn下载链接：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

二、matconvnet环境配置

1、cpu版本配置

输入命令mex -setup

 运行vl_compilenn 程序，

 

这样vl_compilenn 程序成功编译

在命令行窗口输入vl_testnn命令

 最后显示这个就成功了

2.配置GPU版本

（1）安装cuda，正常安装即可，没有特殊的要求，这里建议安装到默认路径，不要改变，防止之后填写环境变量的时候出现差错.

（2）设置环境变量：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_V11_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：
如果是默认的CUDA安装路径，添加的路径分别是下面这样的：
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
CUDA_PATH_V11_0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
CUDA_SDK_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0
CUDA_LIB_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64
CUDA_BIN_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
CUDA_SDK_BIN_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\bin\win64
CUDA_SDK_LIB_PATH

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v.11.0\common\lib\x64

(以上路径为可选添加)

然后，在系统变量 PATH 的末尾添加： 　

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64；(可选)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin；(可选)

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\common\lib\x64；（必须添加）

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\bin\win64； （必须添加）

配置完环境变量重启一下电脑

（3）在matconvnet-1.0-beta25（建议重命名文件夹改为matconvnet）中建一个local文件夹（与example和matlab等同一”级别”），然后把下载的cudnn放进去,文件名一定要重命名成cudnn，如下图所示：

cudnn64_8.dll是cudnn文件夹下bin目录里的

把cudnn中的bin,lib/x64,include中的文件分别拷贝至
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0中的bin,lib/x64,include三个子目录下。注意这里千万不要把cudnn的三个文件夹直接复制替换cuda中的三个文件夹，只是将cudnn对应文件夹下的文件替换cuda\V11.0下的对应文件夹下的文件
（5）将nvcc路径加入环境变量中：
MW_NVCC_PATH：C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin\nvcc.exe

重新编译vl_compilenn程序,输入命令vl_compilenn('enableGpu',true)：

会出现如下错误：

nvcc fatal   : '-DNDEBUG': expected a number 
错误使用 vl_compilenn>nvcc_compile (line 615)
Command "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\nvcc" -c -o
"E:\matconvnet\matlab\mex\.build\bits\data.obj"
"E:\matconvnet\matlab\src\bits\data.cu" -DENABLE_GPU
-DENABLE_DOUBLE -O -DNDEBUG -D_FORCE_INLINES --std=c++11 -I"D:\Softwares\MATLAB\extern\include"
-I"D:\Softwares\MATLAB\toolbox\distcomp\gpu\extern\include" -gencode=arch=compute_75,code=\"sm_75,compute_75\"  --compiler-options=/MD
--compiler-bindir="D:\Softwares\VisualStudio\VC\Tools\MSVC\14.16.27023\bin\Hostx64"  failed.
 
出错 vl_compilenn (line 487)
      nvcc_compile(opts, srcs{i}, objfile, flags) ;

错误原因：

CUDA 10.1以前的版本使用非debug模式下GPU优化指令是-O，CUDA 10.1以上版本把-O指令给弃用了。

现在的指令为-O+数字，此处的数字为优化的等级。vl_compilenn默认编译是非debug模式的，所以matlab会提示我们需要一个数字。

解决方法：

1）使用debug运行vl_compilenn，这种方法会导致性能损失，不可取。

2）将优化指令-O改为-O+数字。

更改方法如下：

将vl_compilenn.m，将606行的nvcc_compile函数

function nvcc_compile(opts, src, tgt, flags)
% --------------------------------------------------------------------
if check_deps(opts, tgt, src), return ; end
nvcc_path = fullfile(opts.cudaRoot, 'bin', 'nvcc');
nvcc_cmd = sprintf('"%s" -c -o "%s" "%s" %s ', ...
                   nvcc_path, tgt, src, ...
                   strjoin(horzcat(flags.base,flags.nvcc)));
opts.verbose && fprintf('%s: NVCC CC: %s\n', mfilename, nvcc_cmd) ;
status = system(nvcc_cmd);
if status, error('Command %s failed.', nvcc_cmd); end;

改为

function nvcc_compile(opts, src, tgt, flags)
% --------------------------------------------------------------------
mybase=flags.base;
mybase(3)={'-O3'};
if check_deps(opts, tgt, src), return ; end
nvcc_path = fullfile(opts.cudaRoot, 'bin', 'nvcc');
nvcc_cmd = sprintf('"%s" -c -o "%s" "%s" %s ', ...
                   nvcc_path, tgt, src, ...
                   strjoin(horzcat(mybase,flags.nvcc)));
opts.verbose && fprintf('%s: NVCC CC: %s\n', mfilename, nvcc_cmd) ;
status = system(nvcc_cmd);
if status, error('Command %s failed.', nvcc_cmd); end;

更改为第3、4、9行。

注意对比，我们使用指令为“-O3”，即默认优化等级为3，也可以改为自己想优化的等级

再次运行vl_compilenn('enableGpu', true)

遇到如下错误：

错误使用 mex
'E:\matconvnet\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 629)
mex(args{:}) ;
 
出错 vl_compilenn (line 500)
  mex_link(opts, objs, flags.mex_dir, flags) 

解决方法：将vl_compilenn.m中的largeArrayDims全部替换为lmwblas，一共三处。

再次运行vl_compilenn('enableGpu', true)

编译成功。

 

 

 在命令行窗口输入vl_testnn('gpu', true)，

这样GPU版本就成功了 

参考文章

链接：https://blog.csdn.net/qq_33782064/article/details/80003520

链接：https://blog.csdn.net/qq_17783559/article/details/105474663