因为最近在读gan的相关工作，wgan的工作不得不赞。于是直接去跑了一下wgan的代码。
原作者的wgan是在lsun上测试的，而且是基于pytorch和pyvision的，于是要装，但是由于我们一直用的是python 2.7,所以无法从WGAN的页面上跳到pytorch的官方页面下载安装，需要安装github上的版本，这个是不需要python3.5的。重新装的系统，就安装了tensorflow和caffe，编译都没问题。但是当我安装pytorch和pyvision时，涉及到lmdb，过程出了问题，conda的安装不起效果，于是折腾了一番。目前跑起来倒是很好，看了一下wgan的代码真是简单，和论文比起来简单多了。
因为之前好久没有怎么跑过代码了，听同事说有了多GPU的detection程序放出来，这个我肯定不能错过的，detection跟踪这么多年，没做什么创新性的贡献，但是至少我还是很了解行情的啊。找到代码clone下来后发现我系统新装的，cython, easydict都没有，于是继续装。这个时候就出问题了，我默认conda安装了最新版的opencv于是caffe都编译不过了，到网上找了caffe的issue发现是版本问题，于是只好重新来，装了2.4.11的版本，还有conda装了protobuf，然后我下载的程序py-R-FCN-multiGPU依然不行。最后只好跑一下我熟悉的py-faster-rcnn，可以运行，说明我的电脑环境配置没问题了。于是重新clone上面的代码，方可运行通过。
目前py-R-FCN-multiGPU 确实支持多GPU的，但是速度上并不能达到几倍的效果，具体实现原理需要再细看，目前来看是用了nvidia的NCCL库。后面我会跟着更新一些细节，看看是如何实现多GPU的。
另外，网上也看到有多GPU的版本，不过是借助于python的多process的包chainer实现的，时间比上面的版本早点，好像用的人不少，链接在这里chainer-faster-rcnn。