本文主要介绍Linux下Matconvnet的安装注意事项。
最近帮老师校验一份超分的代码，用到了matconvnet深度学习工具包。代码里面使用的是Matconvnet-1.0-beta20版本, Matlab版本为2017。
在编译过程中遇到了个坑，先记录一下~
先说一下大家下载这种工具包最好是去官网下载，起初我下载的是CSDN中有人分享的包，结果报错了~~~提示说-ljpeg找不到，然而是按照官网装好了libjpeg包的。
紧接着在后面运行程序时，就出bug了
还在网上找了好多博客看，最后还是老老实实在官网重新下了Matconvnet-1.0-beta20的工具包。真是被自己蠢哭~
Matconvnet工具包下载地址： http://www.vlfeat.org/matconvnet/download/ （根据需要选择不同版本的工具包，我下载的是Matconvnet-1.0-beta20版本）
首先，按照Matconvnet官网的安装过程来。（http://www.vlfeat.org/matconvnet/install/）安装需要的gcc，CUDA等
将下载的Matconvnet解压到指定目录。然后对其进行编译，先进行CPU版本的编译。在Matlab中打开Matconvnet工具包，使得当前目录窗口显示Matconvnet文件夹里面的子目录。
然后在命令行输入
>>> mex -setup
>>> mex -setup C++
>>> addpath matlab
>>> vl_compilenn
由此完成CPU 下matconvnet的编译。
接着进行GPU下的编译。
vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/CUDA-8.0', 'cudaMethod', 'nvcc')
然后就报错了~~~主要有以下两个问题，主要参考 http://www.mamicode.com/info-detail-2225605.html 这篇博客中的解决方法得以解决。
这个是因为cuda 8 之后不支持compute_20 了，最低也是compute_30了。 所以需要将vl_compilenn.m中的以下代码进行修改
opts.defCudaArch = [... ‘-gencode=arch=compute_20,code="sm_20,compute_20" ‘... ‘-gencode=arch=compute_30,code="sm_30,compute_30"‘];
我用的是服务器Tesla k40m, 此处修改成
opts.defCudaArch = [... ‘-gencode=arch=compute_30,code="sm_30,compute_30" ‘... ‘-gencode=arch=compute_50,code="sm_50,compute_50"‘];
同时还需要将 matconvnet/matlab/src/config/mex_CUDA_glnxa64.xml 里对应的地方也进行修改
NVCCFLAGS="-D_FORCE_INLINES -gencode=arch=compute_20,code=sm_20 -gencode=arch=compute_30,code=\"sm_30,compute_30\" $NVCC_FLAGS"
修改为：
NVCCFLAGS="-D_FORCE_INLINES -gencode=arch=compute_30,code=sm_30 -gencode=arch=compute_50,code=\"sm_50,compute_50\" $NVCC_FLAGS"
这个的原因是CUDA6.0 后定义了atomicAdd 所以会出现重复定义的错误。 一共有两个文件里存在这个重复定义的问题，分别在
pooling_gpu.cu, line 163
(commented out atomicadd)
bilinearsampler_gpu.cu, line 25
(commented out atomicadd)
这个问题的解决方式是在这两个文件里定义如下的宏
#if !defined(__CUDA_ARCH__) || __CUDA_ARCH__ >= 600 #else <... place here your own pre-pascal atomicAdd definition ...> #endif
将如上的定义复制到如上文件里的头部， 将文件里定义的atomicadd function 剪切放在<... place here your own pre-pascal atomicAdd definition ...> 中。比如：
另外 https://www.cnblogs.com/wangxiaocvpr/p/5385961.html 博客中第29点提到解决该问题的方法是Matconvnet版本较老，换一个较新版本。该方法试过，也是可行的。
最后，对编译好的Matconvnet进行测试。
>>> run matlab/vl_setupnn
>>> vl_testnn
以及测试GPU下的是否正确
>>> vl_testnn('gpu', true)
大功告成，编译成功啦~