windows下编译Matconvnet的方法(CPU和GPU)

配置总说

matconvnet

本人采用的matconvnet是MatConvNet 1.0-beta18. 版本到时没太大关系，反正自己去官网下就行
http://www.vlfeat.org/matconvnet/

操作系统与cuda

采用了win7 64bit，VS2013，MATLAB2015a， cuda7.5
还是那句话，要想让MATLAB2015a用vs2013的c++编译器，要先安装MATLAB，再安装vs2013。其他版本对应可以去MATLAB官方上找。
cuda的话，可以去下载最高版本的。下载地址：https://developer.nvidia.com/cuda-downloads 。首先你的显卡得是INVIDA的，并且需要compute compability>2.0. 可以通过MATLAB输入：gpuDevice来确定你的显卡

值得注意的是，实验室的我的台式机显卡是610M。。compability是2.1，结果gpu编译时，出现了compute_21错误。。找了好久才明白原来是610的显卡只能支持到cuda5.5.。。简单来说还是尽量好点的显卡吧。
安装时cuda默认安装吧，方便直接默认找。

CPU编译

两个命令：
mex -setup
vl_compilenn
就可以了。就这么酷炫，编译完之后会多了一个mex文件夹，在matlab文件夹下面。

这里的mex文件夹下就是以后要调用的程序，有

编译完之后应该有除了cudnn64_4.dll外的mexw64文件，可以看出，这些文件主要是vl_conv，vl_imreadjpeg等。这些文件是由cuda C写的，并不是由MATLAB语言写的，格式是 xx.cu。然后通过mex将这些.cu文件编译成可以由MATLAB调用的函数，也就是说mexw64就相当于MATLAB的函数文件xx.m一样了。你可以看看MATLAB下面的vl_nnconv.m，可以看到文件里面全部都是注释，这样的话，调用时咋运行的啊。哈哈，原来要先编译，编译好了多了mex文件，调用时是调用mexw64文件啊。这里的cudnn64_4.dll是后面用gpu编译时用到的。

GPU编译

我想说，其实还是有点小麻烦的。首先下载cuda呗，默认安装。

增加cudnn

cudnn是专门针对深度学习的一个加速框架。
下载地址：http://pan.baidu.com/s/1bil9H8 或是从网上自己找吧。
然后做2件事：
1. 建一个local文件夹，然后把cudnn放进去，再复制到matconvnet目录下。

2. 把bin下的cudnn64_4.dll再复制到mex的文件夹下。这一点很重要，否则vl_compilenn即使编译成功，运行时却会出现Invalid 的vl_nnconv.mexw64，可是你一看明明有这个文件啊，并且cpu编译时这个文件也是可以用的，为啥现在就不能了，就是你没有做第二步。

先看看vl_compilenn写了啥

在vl_compilenn中已经对opts的enableGpu等属性进行了初始化。
这是稍微修改后的，这里改不改我这样的都无所谓的，这是因为，你看看下面有vl_argparse(opts,varargin)，这个就是把外面的传入的参数再对opts进行赋值。

所以
编译：

vl_compilenn('enableGpu',true,'cudaRoot','C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v7.5','cudaMethod' ,'nvcc','enableCudnn','true','cudnnRoot','local/cudnn-rc4')

最后一步
找到cnn_cifar后，然后修改opts.gpus

先看看两幅图的对比吧。。
CPU组：
这是用Xeon E3 1231v3(桌面版产品相比，它非常接近Core i7-4770k（3.5-3.9GHz/84W）,感觉还是不错的。。)，内存32G。然而跑的时候。。

才390Hz，每秒390张图片的处理速度。。

GPU组：
由于台式机显卡太弱，，只能用笔记本来了。
笔记本是 GTX 645m的，用了cudnn_r4,看看到底咋样。。

这么厉害。。竟然800多。。有意思的是，处理速度越来越快，最终问稳定在910！！整整比不错的cpu快了2倍。。并且只是一个低性能入门级显卡。。如果用titan。。