Matconvnet安装：win10+VS2015（pro）+Matlab 2017a+cuda8.0+cudnn 5.1

川长思鸟来 2022-05-29 04:53 246阅读 0赞

MatConvNet是Matlab上用于机器视觉的一个工具箱，简洁、高效，从名字就可以看出来它主要应用与CNN，不过其他网络也有涉及到。MatConvNet可以用于图片分类、分割和人脸识别等等深度学习的功能等。

在搭建环境的过程中，可能因为这样那样的原因遇到很多问题，其实只要版本匹配，安装步骤大体都差不多。下面是我成功安装的一个过程，这里记录以下：

从[官网][Link 1]进行下载。官网[安装步骤][Link 2]。

1、安装VS2015 pro版本，并且安装Matlab 2017a。要求这两个版本的原因是我下载的是matconvnet-1.0-beta25，编译过程中才发现这个工具箱要求用VS2015 professional进行编译。而我原来已有的环境是VS2013，Matlab 2017a和CUDA 7.5，反正就是各种工具不匹配，所以你可以在官网步骤上看到匹配的标准：

![Image 1][]

同时我们还要安装对应得cuda版本（可以在[这个页面][Link 3]上下载），如果你的电脑是 NVIDIA的GPU，则还需下载cudnn，下面会具体讲述。

2、在官网下载好matconvnet工具箱之后，解压到所需安装的路径下。

3、并且下载cudnn（可以在[这个页面][Link 4]上下载）并解压。分两步：第一步：在matconvnet目录下见一个local目录，并将你的cudnn放到你的local目录下。

![Image 1][]

第二步：将local/cudnn-8.0/bin目录下的cudnn64\_5.dll文件拷到matlab/mex目录下。（注意：配置GPU+matconvnet+MATLAB前，要先按照它的步骤配置CPU+matconvnet+MATLAB 这样mex文件才会出现）

![Image 1][]

4、在我们的环境都配置好了之后，下一步我们开始编译matconvnet了。

第一步：使用mex -setup选择你的编译器。

![Image 1][]

（如果这一步正确，直接进入第二步）

我展示是一个正确的结果。而我当时装的时候并没有这么顺利，因为我装的时候，电脑里已经有VS2013了，后来版本需要，安装了一个VS2015，但是VS的路径设置却没那么简单，一直出现一个错误，在编译的时候会出现：（

MatConvNet/matlab/src/bits/data.cu(20): fatal error C1083: 无法打开包括文件: “windows.h”: No such file or directory）：

![Image 1][]

按照网上的方法，设置了matconvnet的配置属性（包括windows SDK路径的设置等等），但是这个问题一点都没改变，想着这个工具箱是很成熟的东西，应该不存在头文件包含顺序的错误，但是问题似乎没有一点进展。所以后来被迫重装系统了。重装系统之后，一切正常。再重装系统之前，其实我尝试过很多次了，将VS2015卸载重装了很多遍，依然没用。主要原因可能是VS卸载很难卸载干净（再网上下载了VS卸载工具，说是可以彻底卸载，好像也彻底卸载了，但是最后并没用），所以没有办法的办法就是重装系统。

对于没有我遇到过的情况的朋友，你还需要注意的一个问题是VS和Matlab的安装顺序，应该先安装VS，再安装Matlab，这个安装顺序不会有其他额外的问题出现。如果是先安装Matlab再安装VS的，还有应该问题要解决的就是你的注册表的问题，这个问题出现在选择编译器阶段，当你使用命令mex -setup出现问题时，你可以使用mex -setup -v查看是否找到了你的编译器（我展示的是正确的已经正确设置的）：

![Image 1][]

没有的话，你可以参考http://blog.csdn.net/cztqwan/article/details/78902530进行注册表的配置。

第二步：一个不太会出错方法：在matconvnet文件夹下建立一个人compileGPU.m的文件，内容如下：

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', 'local\cudnn-8.0');  % cuDNN的路径

然后再运行compile GPU.m的文件，等出现以下命令行时就编译成功了。

![Image 1][]

5、成功之后，可以再命令行窗口输入vl\_testnn（'gpu',true）命令，测试以下GPU的性能。

[Link 1]: http://www.vlfeat.org/matconvnet/
[Link 2]: http://www.vlfeat.org/matconvnet/install/
[Image 1]: 
[Link 3]: https://developer.nvidia.com/cuda-downloads
[Link 4]: https://developer.nvidia.com/cudnn