cuda-convnet windows8下编译

编译环境:

windows8.1

Anaconda python2.7

Visual studio 2012

CUDA6.0

Pthread for windows

Intel Math Kernel Library

 

cuda-convnet 原始文件下载地址:

https://github.com/dnouri/cuda-convnet/

 

其中用到的一些库:

PThread 下载链接:

ftp://sourceware.org/pub/pthreads-win32/pthreads-w32-2-9-1-release.zip

Intel® Math Kernel Library 下载链接:(下载windows版本)

https://software.intel.com/en-us/intel-math-kernel-library-evaluation-options

cuda-convnet 工程文件下载链接:

http://code.google.com/p/cuda-convnet/downloads/detail?name=cuda-convnet-vs-proj.zip

其他一些有用的工具:(下载x64的版本，调试的时候可能用到)

http://www.dependencywalker.com/

 

因为cuda-convnet需要python27，所以必须下载python27的库安装上. 我用的是Anaconda自带的python库.

 

第一步:

把下载下来的cuda工程文件解压至trunk目录下，然后用记事本打开pyconvnet.vcxproj文件

然后把版本号修改为正确的版本号，我的是把cuda4.0  修改为cuda6.0

 

第二步:

编译时会遇到以下问题，那是头文件没包含对的缘故，不用担心

C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V110\BuildCustomizations\CUDA 6.0.targets(597,9): error MSB3721: The command ""C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\bin\nvcc.exe" -gencode=arch=compute_10,code=\"sm_10,compute_10\" -gencode=arch=compute_20,code=\"sm_20,compute_20\" --use-local-env --cl-version 2012 -ccbin "C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin"  -I./ -I../../../common/inc -I../../../../shared/inc -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include" -I./ -I../../common/inc -I../../../shared/inc -I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include"  -G   --keep-dir Debug -maxrregcount=0  --machine 32 --compile -cudart static  -g   -D_MBCS -Xcompiler "/EHsc /W3 /nologo /Od /Zi /RTC1 /MTd  " -o Win32/Debug/convnet.cu.obj "E:\synchronize folder\Koder Quelle\deep learning\cuda-convnet\trunk\src\convnet.cu"" exited with code 2.

针对这些错误只要设置好相应的依赖库就可以了.

 

第三步:

最后编译生成的是dll，后缀名为pyd, 这样方便python调用.

 

第四步:

从下面的地址下载cifar-10图片数据

http://www.cs.toronto.edu/~kriz/cifar-10-py-colmajor.tar.gz

 

第五步:

在VS环境中设置环境变量

 

第六步:

在命令行中输入如下命令:

python convnet.py --data-path=./storage2/tiny/cifar-10-batches-py-colmajor/ --save-path=./storage2/tmp --test-range=6 --train-range=1-5 --layer-def=./example-layers/layers-19pct.cfg --layer-params=./example-layers/layer-params-19pct.cfg --data-provider=cifar --test-freq=13 --epoch=200

 

训练的时候发现一个比较坑的问题就是这两个错误:

1.raise UnpickleError("Path '%s' does not exist." % filename)

util.UnpickleError: Path 'D:/cuda-convnet/storage2/tiny/cifar-10-batches-py-colmajor/data_batch_6' does not exist.

2.self.data_mean = self.batch_meta['data_mean']

KeyError: 'data_mean'

原因是batches_meta文件格式不对，这个必须去下载对应的cifar-10的数据，而且带有合乎要求格式的文件，下面给上链接:

http://www.cs.toronto.edu/~kriz/cifar-10-py-colmajor.tar.gz

 

即使找到合适的数据，还可能出现以下的错误:

self.libmodel = __import__(lib_name)

ImportError: No module named convnet_

解决方案就是在convnet.py的46行把'convnet_'库改成对应的'pyconvnet'

 

 

解决了以上的问题以后差不多应该能够顺利的运行程序了.

 

 

编译时遇到的错误及解决方案:

 

fatal error C1083: Cannot open include file: 'cblas.h': No such file or directory

解决方案:

属性页/C++/Preprocessor/Preprocessor definitions/加入USE_MKL;

 

neuron.cuh(104): error : identifier "PyObject" is undefined

解决方案:

属性页/C++/Preprocessor/Preprocessor definitions/加入NUMPY_INTERFACE;

 

编译的时候提示找不到pthread.h文件:

解决方案:

在trunk中加入下载好的pthread文件夹，并正确的包含头文件和库文件

 

编译的时候报error : identifier "pthread_mutex_t" is undefined错误:

解决方案:

在nvmatrix.cuh文件里加上<pthread.h>

 

LINK : fatal error LNK1104: cannot open file 'cutil64D.lib'

解决方案:

去掉cutil64D.lib

 

LINK : fatal error LNK1104: cannot open file 'shrUtils64D.lib'

解决方案:

去掉shrUtils64D.lib

 

一些参考来源:

http://vision.group.shef.ac.uk/wordpress/?p=1

http://personal.ie.cuhk.edu.hk/~xy012/others/install_cudaconvnet.html

https://code.google.com/p/cuda-convnet/wiki/TrainingNet