作为刚入职的深度学习实习生，入职第一天，我领完电脑，刚装完电脑，分配好公司的ip，连chrome都还没来得及安装，就接到任务，需要实现给定的论文的方法，当然啦，我师傅给了我源代码、数据集和论文。
坑爹的是，这篇论文中用到的方法是在matlab上实现的，不是我用惯了的tensorflow+python...
虽说之前也用过matlab，但也仅仅一个月时间，还是很不熟悉的，而且对matlab有种莫名的惧怕，因为他给我一种高效但死板不灵活的感觉，再加上无法移植的硬伤，我以为深度学习应该不会去用它的呢，我听到深度学习框架，基本也是tensorflow、caffee、torch、mxnet之类的，啥时候能排到matab呀~~
算了，既然接到任务肯定得硬着头皮上的，要求我一周把环境装好并把程序调通~~我暗暗没底，因为装环境调代码有时候得看运气好不好~~
首先就是安装matlab咯，我安装的是matlab2018a,因为师傅说新一点的好~~
matlab2018的安装和破解我苦不多说了，甩个链接：安装matlab2018a
拿到源代码和数据集，抓住Readme.md就是看！好，了解到第一个小任务了！需要安装matconvnet！
matconvnet是在matlab上搞深度学习必要的工具箱，只要去网上下载下来就行，仍在某个角落也行，但是还是建议放在你安装matlab的目录下，方便使用。
天真的我以为这样就完事儿了，就急急忙忙打开matlab，启动环境：
先要运行mex -setup，但是悲催地第一步就报错了：
原因是电脑里没有编译器，于是按照提示安装了MinGW-w64编译器：
安装完成后运行mex -setup成功，指定C++编译器：
然后就是把工作路径切到matconvNet的路径，编译vl_compilenn，这时又报错，提示找不到cl.exe
cl.exe是VS的程序，所以需要安装VS，鉴于安装了matlab2018，便安装对应的VS2015，安装VS2015是默认安装，并配置了系统环境变量，但是还是没能找到VS2015自带的编译器，通过网上查找的两个办法（修改msvc90shellopts.stp文件中的路径和版本号、下载文件，替换maxopts中的文件）依然不能解决问题。后来找到一篇文章说是VS2015现在不自带VC++编译器，我心想这不太可能吧，毕竟VS就是用来写C++程序的呀~后来我去VS想创建一个项目发现，新建项目都无法创建C++空项目，于是得出结论：我的VS2015确实没有安装C++编译器，于是就重新打开安装程序，去手动安装上了，最后去matlab一试，敲入vl_compilenn果然运行通过了~~
所以这也是血的教训，大家要抓住事情的本质啊，matlab就是要配合VS才能搞深度学习的！~~该装的软件，没法省~~
好了，现在搞定三项（matconvnet+matlab+VS）了，可以至少在cpu上跑代码了吧？
在改完代码中相关路径之后，再运行自己的代码，报错：
报错：未定义变量 "dagnn" 或类 "dagnn.DagNN.loadobj"。
这是因为我们之前只是编译了一下，但还没有启动matconvnet
还是在matconvnet 的路径下，在命令行输入vl_setupnn,启动matconvnet
好了，接着调程序，我基本把该改的都改完了，总该可以跑了吧？
没想到又报错：
意思很清楚明白了，就是要用GPU来跑~~可是我一个刚来的实习生，怎么可能直接给我一个又GPU的电脑嘛？
我调了半天，看看能不能调成在CPU上跑，嗯，我尽力了，不行，人家作者根本没考虑过在CPU上跑~~
于是边去申请公司GPU，终于给我分配了一个服务器，需要我以远程访问的形式去用这个电脑~
于是我就得又重新安装一遍开发环境
这台电脑已经安装了VS2017，所以我本着多一事不如少一事的思想，而且刚刚好我要装的matlab版本是2018，比较新，版本肯定对的上，就没有考虑安装VS2015~~
那就动手吧！轻车熟路地安装完matlab2018a、matconvnet、CUDA9.0和cudnn7.0之后，我信心满满地去检验环境。
但是，调试MATLAB的GPU环境时报错：
>> mexcuda mexGPUExample.cu
使用 'NVIDIA CUDA Compiler' 编译。
错误使用 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!
出错 mexcuda (line 157)
[varargout{1:nargout}] = mex(mexArguments{:});
原因是CUDA9.0仅支持到VS2017测试版
故需安装VS2015，安装完VS2015后编译mexcuda mexGPUExample.cu成功！
但是还不是功成圆满，接下来开启GPU加速又出错：
错误使用 mex
'F:\MATLAB\matconvnet\matlab\mex\vl_nnconv.mexw64' 使用了 '-R2018a' 进行编译并与 '-R2017b' 链接在一起。 有关详细信息，请参阅 MEX 文件
使用了一个 API 进行编译并与另一个 API 链接在一起。
出错 vl_compilenn>mex_link (line 627)
mex(args{:}) ;
出错 vl_compilenn (line 500)
mex_link(opts, objs, flags.mex_dir, flags) ;
我就纳闷了，我没有装matlab R2017b，哪来的这错误，还是度娘吧。
找了好久才找到能解决此问题的办法：解决办法点这里
然后重新启动GPU加速，又出现问题，问题接踵而至，我对照着网上的就解决办法一个一个解决：
1.25版本的MatConvNet中的vl_compilenn.m文件中在506行增加了这样的判断
if strcmp(arch, 'win64') && opts.enableCudnn
这要求&&符号前后都是逻辑值，所以在运行vl_compilenn函数中'enableCudnn'后面要跟true，而不是跟'true',即编译语句为：
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'); % 这里填写你的cuDNN的路径
否则会报Operands to the || and && operators must be convertible to logical scalar values的错误。
又成功部分，并报错：
错误使用 copyfile
未找到匹配的文件。
出错 vl_compilenn (line 509)
copyfile(fullfile(opts.cudnnRoot, 'bin', '*.dll'), flags.mex_dir);
解决方案：
把CUDA和cudnn的路径写成绝对路径
所以最终版启用GPU加速的命令为：
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');终于大功告成了！
欢迎关注“pyhon修炼之道”，我们将持续更新新鲜python文章~