matconvnet CPU移植到GPU遇到的问题
之前一直是在CPU上跑fast rcnn，今天重新在GPU上又遇到了一些新的问题，记录一下。
1.
problem：找不到vl_rootnn\vl_simplenn_tidy\vl_imreadjpeg，或者说是试图将这些脚本语言作为函数执行
reason:这些都是其他语言编译过来的，原始的.m文件中是一个没有任何命令的脚本语言，所以需要将其编译文件
solution:
第一次：matconvnet\matlab\mex添加到matlab工作空间中，然后重启matlab就可以.
第二次：在代码首行加上addpath(matconvnet\matlab)
2.
problem：vl_nnroipool\vl_ataccum 找不到
reason：fast rcnn函数较新，而matconvnet-18版本太老，缺少这些函数
solution：将自己20版本的matconvnet\matlab下所有文件下对应的含有该关键字的文件复制到18版本对应的文件中
3.
problem：dagnn.DagNN eval()输入参数太多
reason:自己的PC是基于matconvnet-20的，而服务器是18的，所以eval()函数有所不同
从输入参数上看，
18：eval(obj,inputs,derOutputs)
20：eval(obj,inputs,derOutputs,varargin)
这里再说明一下，原始调用的命令为net.eval(inputs,derOutputs) ，之所以在函数定义的时候obj变量中的参数是从对象net中获取的。
从函数内部变量来看
18：没有变量obj.ignoreAverage
20：有变量obj.ignoreAverage
solution:用20eval()替换18的eval()，而且因为多输入的opts.holdOn输入为false，eval()文件中也默认是0，所以不输入该参数了，ignoreAverage变量是在网络结构初始化时net.layers(41).block结构体中的一个变量，因为这个变量始终为0，所以函数中凡是遇到该变量，统一注释掉。
block含有每个卷积层的卷积和大小、步长、填充等参数
4.
problem：服务器有两块显卡，同学在用第二块显卡，自己只能用第一块显卡，不知道怎么编号
solution:
用CPU：opts.train.gpus=[]
用GPU：opts.train.gpus=[1,2]
GPU 是从1开始编号，后期会检查要用到的GPU数量以及对应的索引值
5.
matlab中以“+”“@”开头的文件无法添加到路径中，可添加其包含特殊符号的上级目录。
有的函数会在多个文件中出现，每次添加路径的时候尽量只添加该项目的文件夹，避免matlab在寻找子函数时定位到了其他文件夹中。
6.
matlab的面向对象
matlab 也可以定义类（classdef），也有继承（<）有类的属(properties)，仅供类使用的私有成员，类方法(methods…end)
https://blog.csdn.net/beechina/article/details/50933860
对matlab的类定义和效率进行了说明
7.
problem:错误使用vl_nnconv An input is not a numeric array(or GPU support not compiled)
matconvnet官方文档说vl_nn...函数支持matlab矩阵也支持gpu array，所以觉得是GPU版本的编译有问题
https://www.cnblogs.com/qq552048250/p/7857122.html
即使跑官方的cnn_mnist也是会出现问题
说需要重新编译
https://github.com/ignaciorlando/red-lesion-detection/issues/4
vl_compilenn('EnableGpu',true);
这个问题目前还没有解决，现在还在用CPU在跑
在GPU上替换了eval文件，同时检查了vl_nnconv的路径确实是服务器上的，不是自己硬盘上的。
分析了一下，是因为自己将自己在CPU跑的编译文件添加到了服务器上，所以CPU版本和GPU版本的编译文件是混的，在服务器上用GPU上跑的时候就容易出问题，现在唯一的解决办法就是重新在服务器上编译最新的GPU版本的matconvnet。
师兄说可以在其他目录下编译一下，彼此之间也不互相影响。
启发：
编译什么的一定要看官方文档！！！
这个真的很重要
之前自己编CPU的时候和容易
在GPU的时候一直参考的是博客，所有的有GPU版本编译的博客，毫无例外地告诉我要用到cudnn,一本正经地进行一些文件的替换，但是如果去看官网的话就会明白，在你matlab版本和你的cuda对应的时候cuda就可以，如果不对应的话是必须要用到cudnn的。所有说cudnn不是必须的。这就是小徐同学说的cudnn是锦上添花的。
简直了不论做什么事情原版最重要！！！特别是配置的这种事情，多花时间研读官网的说法！！！博客仅作为辅助。
理解很重要！！！