matlab安装gpu：matlabR2018b+cuda9.1+cudnn v4+matcovnet1.24踩坑实录

先说结论：本文一开始是用cuda9.1搭配cudnn7.1.3的，后来因为报错改成了cudnn v4
所以各个版本就如题中所述。
安装cuda9.1和下载cudnn本文略过，
在编译好mex之后，运行C++编译器，出现如下：


下面安装gpu
个人觉得方便，单独将下面的代码用一个文件夹compile_gpu.m存起来，cd到matcovnet的matlab目录下，运行compile_gpu.m

addpath('matlab');
vl_compilenn('enableGpu', true, ...
    'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1',...%你的cuda安装绝对路径
    'cudaMethod','nvcc','enableCudnn','true',...
    'cudnnRoot','D:\Downloads\cuda9.1_and_cudnn7.1\cudnnv4');%你的cudnn绝对路径
    %（这里是我踩坑后才安装v4版本的，所以下面的bug有的是因为我用了7.1.3版本的cudnn而出现的）

接下来是各种debug

**问题1：**C:/Users/liwang/Downloads/matconvnet_cpu/matlab/src/bits/impl/pooling_gpu.cu(163)
编译cuda源程序时出错 error: function “atomicAdd(double *, double)” has already been defined
即：在上述路径中的，163行发生错误。

答：这是因为cuda提供了对atomicAdd的定义，但atomicAdd在之前的cuda toolkit中并未出现，因此一些程序自定义了atomicAdd函数。，在atomicAdd前添宏判断即可。
打开出错位置的c文件（上述），找到定义atomicAdd的位置，在atomicAdd前添加宏判断。

#if !defined(__CUDA_ARCH__) || __CUDA_ARCH__ >= 600 
#else 
   __device__ double atomicAdd(double* a, double b) 
   { 
      return b; 
   } 
#endif

重新运行compile_gpu.m,依然在这里报错

答：原因是复制过来的代码 空格问题
包括中间的空格，有部分空格字符属于汉字空格。这时只需要将所有空格替换成英文空格即可。这种问题比较隐蔽，继续修改，此问题结

问题2：
继续运行，下一个问题：
too few arguments in function call

在该博客中有解释：https://www.cnblogs.com/qq552048250/p/7857122.html

答：老版本的MatConvNet在编译对cuDNN支持的时候，cuDNN的版本是2或者4比较好，官网有明确的描述。
尝试：下载cudnn v4（将它复制到matcovnet的文件夹（前文中建的cudnn文件夹））

**问题3：
更改cuDNN为4.0版本后，编译nnbilinearsampler_cudnn.cu出现以下错误：
nnbilinearsampler_cudnn.cu(24) : fatal error C1021: 无效的预处理器命令“warning”
答：解决办法是直接注释掉第24行，即可

**问题4：**matlab\mex\vl_nnconv.mexw64’compiled with ‘-R2018a’ and linked with ‘-R2017b’.

我在github上面找到了该问题的讨论
(https://github.com/vlfeat/matconvnet/issues/1143)

 %将vl_compilenn.m行426，434，440（或者附近行，因为可能会不在指定行）
 %中的{-largeArrayDims} 改为 {-lmwblas}
 %然后将代码开头的设置变成以下
opts.enableGpu = true;
opts.enableImreadJpeg = false;
opts.enableCudnn = true;
opts.enableDouble = true;
opts.imageLibrary = [] ;
opts.imageLibraryCompileFlags = {} ;
opts.imageLibraryLinkFlags = [] ;
opts.verbose = 0;
opts.debug = false;
opts.cudaMethod = ['nvcc'] ;

成功之后，可以再命令行窗口输入vl_testnn（‘gpu’,true）命令，测试以下GPU的性能。