本文主要介紹Linux下Matconvnet的安裝注意事項。
最近幫老師校驗一份超分的代碼，用到了matconvnet深度學習工具包。代碼里面使用的是Matconvnet-1.0-beta20版本, Matlab版本為2017。
在編譯過程中遇到了個坑，先記錄一下~
先說一下大家下載這種工具包最好是去官網下載，起初我下載的是CSDN中有人分享的包，結果報錯了~~~提示說-ljpeg找不到，然而是按照官網裝好了libjpeg包的。
緊接着在后面運行程序時，就出bug了
還在網上找了好多博客看，最后還是老老實實在官網重新下了Matconvnet-1.0-beta20的工具包。真是被自己蠢哭~
Matconvnet工具包下載地址： http://www.vlfeat.org/matconvnet/download/ （根據需要選擇不同版本的工具包，我下載的是Matconvnet-1.0-beta20版本）
首先，按照Matconvnet官網的安裝過程來。（http://www.vlfeat.org/matconvnet/install/）安裝需要的gcc，CUDA等
將下載的Matconvnet解壓到指定目錄。然后對其進行編譯，先進行CPU版本的編譯。在Matlab中打開Matconvnet工具包，使得當前目錄窗口顯示Matconvnet文件夾里面的子目錄。
然后在命令行輸入
>>> mex -setup
>>> mex -setup C++
>>> addpath matlab
>>> vl_compilenn
由此完成CPU 下matconvnet的編譯。
接着進行GPU下的編譯。
vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/CUDA-8.0', 'cudaMethod', 'nvcc')
然后就報錯了~~~主要有以下兩個問題，主要參考 http://www.mamicode.com/info-detail-2225605.html 這篇博客中的解決方法得以解決。
這個是因為cuda 8 之后不支持compute_20 了，最低也是compute_30了。 所以需要將vl_compilenn.m中的以下代碼進行修改
opts.defCudaArch = [... ‘-gencode=arch=compute_20,code=\"sm_20,compute_20\" ‘... ‘-gencode=arch=compute_30,code=\"sm_30,compute_30\"‘];
我用的是服務器Tesla k40m, 此處修改成
opts.defCudaArch = [... ‘-gencode=arch=compute_30,code=\"sm_30,compute_30\" ‘... ‘-gencode=arch=compute_50,code=\"sm_50,compute_50\"‘];
同時還需要將 matconvnet/matlab/src/config/mex_CUDA_glnxa64.xml 里對應的地方也進行修改
NVCCFLAGS="-D_FORCE_INLINES -gencode=arch=compute_20,code=sm_20 -gencode=arch=compute_30,code=\"sm_30,compute_30\" $NVCC_FLAGS"
修改為：
NVCCFLAGS="-D_FORCE_INLINES -gencode=arch=compute_30,code=sm_30 -gencode=arch=compute_50,code=\"sm_50,compute_50\" $NVCC_FLAGS"
這個的原因是CUDA6.0 后定義了atomicAdd 所以會出現重復定義的錯誤。 一共有兩個文件里存在這個重復定義的問題，分別在
pooling_gpu.cu, line 163
(commented out atomicadd)
bilinearsampler_gpu.cu, line 25
(commented out atomicadd)
這個問題的解決方式是在這兩個文件里定義如下的宏
#if !defined(__CUDA_ARCH__) || __CUDA_ARCH__ >= 600 #else <... place here your own pre-pascal atomicAdd definition ...> #endif
將如上的定義復制到如上文件里的頭部， 將文件里定義的atomicadd function 剪切放在<... place here your own pre-pascal atomicAdd definition ...> 中。比如：
另外 https://www.cnblogs.com/wangxiaocvpr/p/5385961.html 博客中第29點提到解決該問題的方法是Matconvnet版本較老，換一個較新版本。該方法試過，也是可行的。
最后，對編譯好的Matconvnet進行測試。
>>> run matlab/vl_setupnn
>>> vl_testnn
以及測試GPU下的是否正確
>>> vl_testnn('gpu', true)
大功告成，編譯成功啦~