windows下MatConvNet深度学习框架的搭建
2016-10-25 15:19
253 查看
MatConvNet是Matlab下用于机器视觉的一个工具包,主要应用是CNN网络,当然其他的网络也涉及到了。MatConvNet简洁、高效,可以用于图片分类、分割和人脸识别等等深度学习的功能。具体的可以参见官网的介绍。
在搭建环境的过程中,发现如今网上对其的资源不太多,所以在这做一个总结。以beta22版本为例。
过程分为下面几个步骤:
1.MatConvNet的下载
2.GPU模式的使用
3.测试
1.MatConvNet的下载
在其官网的页面进行下载,解压到适当的位置。
运行其中“matconvnet-1.0-beta22\examples\vggfaces”路径下的cnn_vgg_faces.m文件,会出现下面的结果,那么说明已经可以使用了。在运行前最好把其中要下载的一些内容给放到对应的文件夹下,这样可以节省一点等待的时间。
2.GPU模式的使用
官网的这个页面中,提到了搭建GPU的方式。
首先,安装CUDA,在这个页面有下载。记得下载和自己系统以及显卡支持的CUDA。
接下来,要下载cuDNN(Deep Neural Network library)。cuDNN是用于GPU加速的一个库函数。在这个页面有下载。
然后把解压好的cuDNN放在合适的文件夹下,建议在MatConvNet下建立local文件夹,同时把cuDNN文件夹中bin文件夹下的cudnn64_5.dll文件复制到matconvnet-1.0-beta22\matlab\mex文件夹下。
最后,在MatConvNet文件夹下建立compileGPU.m文件,其中内容如下。记得把对应的路径给改成自己电脑中的路径。
出现下面图片中类似的结果,就代表成功了。
4.测试
还是根据官网的这个页面,在命令行窗口输入vl_testnn命令,测试非gpu模式,会出现下面的内容。
接下来测试GPU模式,在命令行窗口输入vl_testnn('gpu', true),会有类似上面的内容出现。这就是成功了,GPU模式下的速度提示还是很明显的,一般都会有十倍以上。
到此,MatConvNet的安装就结束了。
同时,把我在安装过程中遇到的一个问题的解决方式给写一下。在安装cuDNN的时候,可能会遇到如下的错误“Error using mex nvcc fatal : Unsupported gpu architecture 'compute_21'”,其中21可以为其他不能被10整除的数字。这个时候可以把matconvnet-1.0-beta22\matlab下的vl_compilenn.m文件中的732行的代码中"%s"改为向下取10的整数倍。
比如,原代码为
可以改为
这样,经常遇到的问题就能解决了。
在搭建环境的过程中,发现如今网上对其的资源不太多,所以在这做一个总结。以beta22版本为例。
过程分为下面几个步骤:
1.MatConvNet的下载
2.GPU模式的使用
3.测试
1.MatConvNet的下载
在其官网的页面进行下载,解压到适当的位置。
运行其中“matconvnet-1.0-beta22\examples\vggfaces”路径下的cnn_vgg_faces.m文件,会出现下面的结果,那么说明已经可以使用了。在运行前最好把其中要下载的一些内容给放到对应的文件夹下,这样可以节省一点等待的时间。
2.GPU模式的使用
官网的这个页面中,提到了搭建GPU的方式。
首先,安装CUDA,在这个页面有下载。记得下载和自己系统以及显卡支持的CUDA。
接下来,要下载cuDNN(Deep Neural Network library)。cuDNN是用于GPU加速的一个库函数。在这个页面有下载。
然后把解压好的cuDNN放在合适的文件夹下,建议在MatConvNet下建立local文件夹,同时把cuDNN文件夹中bin文件夹下的cudnn64_5.dll文件复制到matconvnet-1.0-beta22\matlab\mex文件夹下。
最后,在MatConvNet文件夹下建立compileGPU.m文件,其中内容如下。记得把对应的路径给改成自己电脑中的路径。
addpath matlab; % % with cudnn vl_compilenn('enableGpu', true, ... 'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0', ... % CUDA的安装路径 'cudaMethod', 'nvcc', 'enableCudnn', 'true', ... 'cudnnRoot', 'E:\postgraduate\project\Machine Learning\Deep Learning\CNN\matconvnet-1.0-beta22\local\cudnn'); % cuDNN的路径
出现下面图片中类似的结果,就代表成功了。
4.测试
还是根据官网的这个页面,在命令行窗口输入vl_testnn命令,测试非gpu模式,会出现下面的内容。
接下来测试GPU模式,在命令行窗口输入vl_testnn('gpu', true),会有类似上面的内容出现。这就是成功了,GPU模式下的速度提示还是很明显的,一般都会有十倍以上。
到此,MatConvNet的安装就结束了。
同时,把我在安装过程中遇到的一个问题的解决方式给写一下。在安装cuDNN的时候,可能会遇到如下的错误“Error using mex nvcc fatal : Unsupported gpu architecture 'compute_21'”,其中21可以为其他不能被10整除的数字。这个时候可以把matconvnet-1.0-beta22\matlab下的vl_compilenn.m文件中的732行的代码中"%s"改为向下取10的整数倍。
比如,原代码为
cudaArch = ... sprintf('-gencode=arch=compute_%s,code=\\\"sm_%s,compute_%s\\\" ', ... arch_code, arch_code, arch_code) ;
可以改为
cudaArch = ... sprintf('-gencode=arch=compute_20,code=\\\"sm_20,compute_20\\\" ', ... arch_code, arch_code, arch_code) ;
这样,经常遇到的问题就能解决了。
相关文章推荐
- 在Windows7/10上快速搭建深度学习框架Caffe开发环境
- caffe深度学习框架在windows上的搭建
- 深度学习框架keras平台搭建(关键字:windows、非GPU、离线安装)
- 基于VMware 12的Ubantu 16.04之上的Tensorflow深度学习框架搭建
- caffe+ubuntu14.04+opencv3.0 深度学习框架搭建
- GTX1070+CUDA8.0+Ubuntu16.04+Caffe+SSD 深度学习框架搭建 细节一步到位版
- Keras深度学习框架windows端详细配置(吐血)
- 深度学习开源框架theano的环境搭建
- StudyAI上MatConvNet框架学习笔记之3:mnist实例代码分析
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- Windows下使用深度学习框架caffe学习笔记(1)
- 基于Windows,Python,Theano的深度学习框架Keras的配置
- Win7(64位)+VS2013+cuda7.5环境下搭建深度学习Caffe计算框架
- Windows下Python配置Theano深度学习框架Keras库
- windows7+GT740M+cafe 深度学习框架搭建
- Keras + Windows +Anaconda2-4.2.0 深度学习框架快速搭建
- win10系统下vs2013中caffe深度学习框架搭建
- 深度学习框架搭建之最新版Python及最新版numpy安装
- Linux环境下搭建DeepNet深度学习框架
- Linux系统下深度学习框架Keras的搭建