caffe 错误

一些caffe错误

1. 训练时很快梯度爆炸，loss猛增至nan
   如果找不到数据上的原因的话，可以怀疑caffe框架有问题，换用其它版本试试。比如我遇到的问题是在训练时使用了Accuracy层，而该层的实现代码在某次更新中GPU代码存在bug，复用了其它层的变量导致对loss的计算产生了影响。训练时去掉accuracy层就好了，测试时使用该层不受影响，或者使用这里的补丁https://github.com/BVLC/caffe/pull/5987 。
2. Check failed: error == cudaSuccess (9 vs. 0) invalid configuration argument
   可能原因是GPU硬件配置低，线程数不够，超过了它能承受的范围。caffe不支持小于2.0计算能力的nvidia GPU，尝试调小batch size或者降低图片缩放的大小，使用较小的网络如ZF net或者VGG_CNN_M_1024试试。
   如果硬件没问题那么如果Faster R-CNN的smooth L1 loss层报错，RPN未产生候选区域，导致CAFFE_GET_BLOCKS分配到的block数为0，将配置文件中的bg_thresh_lo设置为0，可以增加roi的数量，然而有时候仍然不行。
   将CAFFE_GET_BLOCKS(count)替换为std::max(1, CAFFE_GET_BLOCKS(count))也可以解决一部分这个问题。
   如果问题仍未解决，请仔细检查训练数据，最终发现数据中某个样本是负样本（Faster R-CNN的该标签中没有目标标记），导致计算smooth l1损失时ground truth为0，因此导致了cuda的block数为0.
   再来看Invalid Configuration Argument的一般原因：

Invalid Configuration Argument - This error means that the dimension of either the specified grid of blocks (dimGrid) , or number of threads in a block (dimBlock), is incorrect. In such a case, the dimension is either zero or the dimension is larger than it should be. This error will only occur if you dynamically determine the dimensions.

3. 编译时报错：convert_imageset.cpp undefined reference to `caffe::ReadImageToDatum
   原因：之前安装caffe时在/usr/lib/libcaffe.so创建了符号链接，删除即可。
4. 编译时报错：undefined reference to 'omp_set_num_threads'
   在Makefile或其include的Makefile.config中对gcc编译选项加入-fopenmp：

   CXXFLAGS += -fopenmp
   LDFLAGS += -lgomp
   

   注意不要加入到COMMON_FLAGS中，因为其被nvcc用到，而nvcc没有openmp选项。
5. 在运行caffe的时候，如果出现如下报错
   free(): invalid pointer: 0x00000000020663b0
   可能是 glibc malloc/free 的问题, 可用TCMalloc库替代:

   # 下载tcmalloc库.so
   sudo apt install libtcmalloc-minimal4
   # 可选方式二: 性能分析工具(全家桶): apt install google-perftools
   # 对于要执行的程序通过preload替换掉原malloc功能库
   export LD_PRELOAD="/usr/lib/libtcmalloc_minimal.so.4"
   

   Google开源的TCMalloc,在C++小对象频繁创建销毁的处理上拥有非常大的优势。tcmalloc速度快,但是耗内存,不适合直接与caffe链接到一块, 从caffe的提交历史可以看到曾经加入了tcmalloc后来又删除了.
   在使用PyTorch或者Tensorflow等框架时也可能遇到这个问题.
   参考How To Use TCMalloc? 与 TCMalloc : Thread-Caching Malloc
6. caffe的python接口.
   caffe的python接口很容易因为C++代码的改动编译而出现运行时错误. 解决方法是删除python/caffe/下的caffe.so 或者重新编译整个工程.
   其它错误, 每次修改caffe的C++代码并编译caffe时make或cmake工具仅编译改动过的文件及依赖文件,可能会出现一些很奇怪的运行时错误. 这种情况下的首选尝试方法就是重新编译整个工程. (我遇到很多次这种情况了, 可能是Makefile写的不够完善)