事情發生的背景

作為剛入職的深度學習實習生，入職第一天，我領完電腦，剛裝完電腦，分配好公司的ip，連chrome都還沒來得及安裝，就接到任務，需要實現給定的論文的方法，當然啦，我師傅給了我原始碼、資料集和論文。

坑爹的是，這篇論文中用到的方法是在matlab上實現的，不是我用慣了的tensorflow+python...

雖說之前也用過matlab，但也僅僅一個月時間，還是很不熟悉的，而且對matlab有種莫名的懼怕，因為他給我一種高效但死板不靈活的感覺，再加上無法移植的硬傷，我以為深度學習應該不會去用它的呢，我聽到深度學習框架，基本也是tensorflow、caffee、torch、mxnet之類的，啥時候能排到matab呀~~

算了，既然接到任務肯定得硬著頭皮上的，要求我一週把環境裝好並把程式調通~~我暗暗沒底，因為裝環境調程式碼有時候得看運氣好不好~~

正式開搞

首先就是安裝matlab咯，我安裝的是matlab2018a,因為師傅說新一點的好~~

matlab2018的安裝和破解我苦不多說了，甩個連結：安裝matlab2018a

拿到原始碼和資料集，抓住Readme.md就是看！好，瞭解到第一個小任務了！需要安裝matconvnet！

matconvnet是在matlab上搞深度學習必要的工具箱，只要去網上下載下來就行，仍在某個角落也行，但是還是建議放在你安裝matlab的目錄下，方便使用。

天真的我以為這樣就完事兒了，就急急忙忙開啟matlab，啟動環境：

先要執行mex -setup，但是悲催地第一步就報錯了：

原因是電腦裡沒有編譯器，於是按照提示安裝了MinGW-w64編譯器：

安裝完成後執行mex -setup成功，指定C++編譯器：

然後就是把工作路徑切到matconvNet的路徑，編譯vl_compilenn，這時又報錯，提示找不到cl.exe

cl.exe是VS的程式，所以需要安裝VS，鑑於安裝了matlab2018，便安裝對應的VS2015，安裝VS2015是預設安裝，並配置了系統環境變數，但是還是沒能找到VS2015自帶的編譯器，通過網上查詢的兩個辦法（修改msvc90shellopts.stp檔案中的路徑和版本號、下載檔案，替換maxopts中的檔案）依然不能解決問題。後來找到一篇文章說是VS2015現在不自帶VC++編譯器，我心想這不太可能吧，畢竟VS就是用來寫C++程式的呀~後來我去VS想建立一個專案發現，新建專案都無法建立C++空專案，於是得出結論：我的VS2015確實沒有安裝C++編譯器，於是就重新開啟安裝程式，去手動安裝上了，最後去matlab一試，敲入vl_compilenn果然執行通過了~~

所以這也是血的教訓，大家要抓住事情的本質啊，matlab就是要配合VS才能搞深度學習的！~~該裝的軟體，沒法省~~

好了，現在搞定三項（matconvnet+matlab+VS）了，可以至少在cpu上跑程式碼了吧？

在改完程式碼中相關路徑之後，再執行自己的程式碼，報錯：

報錯：未定義變數 "dagnn" 或類 "dagnn.DagNN.loadobj"。

這是因為我們之前只是編譯了一下，但還沒有啟動matconvnet

還是在matconvnet 的路徑下，在命令列輸入vl_setupnn,啟動matconvnet

好了，接著調程式，我基本把該改的都改完了，總該可以跑了吧？

沒想到又報錯：

意思很清楚明白了，就是要用GPU來跑~~可是我一個剛來的實習生，怎麼可能直接給我一個又GPU的電腦嘛？

我調了半天，看看能不能調成在CPU上跑，嗯，我盡力了，不行，人家作者根本沒考慮過在CPU上跑~~

於是邊去申請公司GPU，終於給我分配了一個伺服器，需要我以遠端訪問的形式去用這個電腦~

於是我就得又重新安裝一遍開發環境

這臺電腦已經安裝了VS2017，所以我本著多一事不如少一事的思想，而且剛剛好我要裝的matlab版本是2018，比較新，版本肯定對的上，就沒有考慮安裝VS2015~~

那就動手吧！輕車熟路地安裝完matlab2018a、matconvnet、CUDA9.0和cudnn7.0之後，我信心滿滿地去檢驗環境。

但是，除錯MATLAB的GPU環境時報錯：

>> mexcuda mexGPUExample.cu
使用 'NVIDIA CUDA Compiler' 編譯。
錯誤使用 mex
mexGPUExample.cu

c:\program files\nvidia gpu computing toolkit\cuda\v9.0\include\crt/host_config.h(133): fatal error C1189: #error:  --
unsupported Microsoft Visual Studio version! Only the versions 2012, 2013, 2015 and 2017 are supported!


出錯 mexcuda (line 157)
[varargout{1:nargout}] = mex(mexArguments{:});

原因是CUDA9.0僅支援到VS2017測試版
故需安裝VS2015，安裝完VS2015後編譯mexcuda mexGPUExample.cu成功！

但是還不是功成圓滿，接下來開啟GPU加速又出錯：

錯誤使用 mex
'F:\MATLAB\matconvnet\matlab\mex\vl_nnconv.mexw64' 使用了 '-R2018a' 進行編譯並與 '-R2017b' 連結在一起。 有關詳細資訊，請參閱 MEX 檔案
使用了一個 API 進行編譯並與另一個 API 連結在一起。

出錯 vl_compilenn>mex_link (line 627)
mex(args{:}) ;

出錯 vl_compilenn (line 500)
mex_link(opts, objs, flags.mex_dir, flags) ;

我就納悶了，我沒有裝matlab R2017b，哪來的這錯誤，還是度娘吧。

找了好久才找到能解決此問題的辦法：解決辦法點這裡

然後重新啟動GPU加速，又出現問題，問題接踵而至，我對照著網上的就解決辦法一個一個解決：

1.25版本的MatConvNet中的vl_compilenn.m檔案中在506行增加了這樣的判斷
if strcmp(arch, 'win64') && opts.enableCudnn
這要求&&符號前後都是邏輯值，所以在執行vl_compilenn函式中'enableCudnn'後面要跟true，而不是跟'true',即編譯語句為：

vl_compilenn('enableGpu', true,'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0','cudaMethod','nvcc','enableCudnn',true,'cudnnRoot','.\local\cudnn-7.2.1'); % 這裡填寫你的cuDNN的路徑 
 
否則會報Operands to the || and && operators must be convertible to logical scalar values的錯誤。 

又成功部分，並報錯：

錯誤使用 copyfile
未找到匹配的檔案。

出錯 vl_compilenn (line 509)
  copyfile(fullfile(opts.cudnnRoot, 'bin', '*.dll'), flags.mex_dir);

解決方案：
把CUDA和cudnn的路徑寫成絕對路徑

所以最終版啟用GPU加速的命令為：

vl_compilenn('enableGpu', true,'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0','cudaMethod','nvcc','enableCudnn',true,'cudnnRoot','F:\MATLAB\matconvnet\local\cudnn-7.2.1');

終於大功告成了！

歡迎關注“pyhon修煉之道”，我們將持續更新新鮮python文章~