轉載請注明：http://blog.csdn.net/stdcoutzyx/article/details/39722999

在上一個鏈接中，我配置了 cuda ，有強大的 GPU ，自然不能暴殄天物，讓資源白白空暇著，所以配置一下卷積神經網絡跑一下程序嘍。至于卷積神經網絡的原理，容后再寫。打算先寫庫的使用方法，再寫原理，以行動帶動對理論的追求。

話不多說，步入正題。

1.?預說明

關于 cuda-convnet ，起源于一篇經典論文 ①，論文中針對 ILSVRC-2010 的數據進行實驗，然后發布了事實上驗使用的代碼，鏈接為 ②。可是，事實往往跟論文是有差距的，鏈接②中的代碼根本不能重現論文中的結果。在下不才，在使用這個鏈接的庫非常久之后才發現的，認為非常坑，希望后來者慎之。

之所以說它坑，首先，論文中提到特性中， multi-GPU 和 dropout 就沒有實現，并且也沒有給出論文中 8 層卷積神經網絡的配置文件。總之不能直接拿來用，須要自己探索。

盡管如此，但有總比沒有好，畢竟這個庫實現的卷積神經網絡封裝的非常好，論文中的大神的貢獻非我等小菜所能企及的。給大神點 32 個贊。

本文僅僅對 cuda-convnet 和 cuda-convnet2 的配置進行說明，論文中的作者還發布了其它版本號的庫，尚未用到，故且按下不提。

2.?Cuda-convnet 配置

2.1.?源代碼下載

參考鏈接②，先將源代碼下載下來。

      svn checkout http://cuda-convnet.googlecode.com/svn/trunk/ cuda-convnet-read-only
    

取出的版本號是 562 。

2.2.?安裝必要的庫

然后，安裝必須的庫，我使用的是 ubuntu 系統。所以命令為

      sudo apt-get install python-dev python-numpy python-magic python-matplotlib libatlas-base-dev
    

當然，還要確認你安裝了 cuda ，我安裝的是 cuda6.5 ，在 /usr/local/ 文件夾下，例如以下所看到的：

      $ ls /usr/local
bin  cuda  cuda-6.5  etc  games  include  lib  man  sbin  share  src
    

2.3.?更改 build.sh

進入到剛才下載的 cuda-convnet-read-only 文件夾，更改 build.sh 文件里的配置路徑。例如以下所看到的：

      # CUDA toolkit installation directory.
export CUDA_INSTALL_PATH=/usr/local/cuda
 
# CUDA SDK installation directory.
export CUDA_SDK_PATH=/usr/local/cuda-6.5/samples/common/inc
 
# Python include directory. This should contain the file Python.h, among others.
export PYTHON_INCLUDE_PATH=/usr/include/python2.7
 
# Numpy include directory. This should contain the file arrayobject.h, among others.
export NUMPY_INCLUDE_PATH=/usr/lib/python2.7/dist-packages/numpy/core/include/numpy
 
# ATLAS library directory. This should contain the file libcblas.so, among others.
export ATLAS_LIB_PATH=/usr/lib/atlas-base
 
make $*
    

依照官網的教程，配置完 build.sh 后就能夠進行編譯了。可是會錯誤發生，還須要改例如以下幾個地方才干夠。

2.4.?頭文件加入

直接編譯會發生找不到 cutil_inline.h 頭文件的錯誤。分析原因可能是原來有這個頭文件，后來這個頭文件的功能被實現到其它頭文件里去了。

在 include 子目錄下田間 cutil_inline.h 文件，并輸入內容。

      #include "helper_cuda.h"
#define cutilCheckMsg(a) getLastCudaError(a)
#define cutGetMaxGflopsDeviceId() gpuGetMaxGflopsDeviceId()
#define MIN(a,b) (a) < (b) ? (a) : (b)
    

2.5.?MakeFile 文件更改

MakeFile 第 3 行，原文例如以下：

      INCLUDES :=  -I$(PYTHON_INCLUDE_PATH) -I$(NUMPY_INCLUDE_PATH) -I./include -I./include/common -I./include/cudaconv2 -I./include/nvmatrix
    

加入 cuda 的路徑后例如以下：

      INCLUDES :=  -I$(PYTHON_INCLUDE_PATH) -I$(NUMPY_INCLUDE_PATH) -I$(CUDA_SDK_PATH) -I./include -I./include/common -I./include/cudaconv2 -I./include/nvmatrix
    

保存之。

2.6.?最后的庫鏈接錯誤

做完上述修改后，能夠編譯了，但到最后會發生一個庫鏈接的錯誤，不用管，直接將那個庫凝視掉。

在 common-gcc-cuda-4.0.mk 文件的 332 行。直接用 # 號凝視。

      # LIB += -lcutil_$(LIB_ARCH) $(LIBSUFFIX) -lshrutil_$(LIB_ARCH) $(LIBSUFFIX)
    

至此，就能夠完畢 cuda-convnet 的編譯了。

3.?Cuda-convnet2 配置

顧名思義，這是 cuda-convnet 的 2.0 版本號，支持多 GPU 執行。

3.1.?源代碼下載

git?clone? https://code.google.com/p/cuda-convnet2/

3.2.?必要的庫

      sudo apt-get install python-dev python-numpy python-scipy python-magic python-matplotlib libatlas-base-dev libjpeg-dev libopencv-dev
    

3.3.?配置

我僅僅能說，這個版本號的比上個版本號人性化多了，這個版本號的 build.sh 直接如此。

      # CUDA toolkit installation directory.
export CUDA_INSTALL_PATH=/usr/local/cuda
 
# Python include directory. This should contain the file Python.h, among others.
export PYTHON_INCLUDE_PATH=/usr/include/python2.7
 
# Numpy include directory. This should contain the file arrayobject.h, among others.
export NUMPY_INCLUDE_PATH=/usr/lib/python2.7/dist-packages/numpy/core/include/numpy/
 
# ATLAS library directory. This should contain the file libcblas.so, among others.
export ATLAS_LIB_PATH=/usr/lib/atlas-base
 
# You don't have to change these:
export LD_LIBRARY_PATH=$CUDA_INSTALL_PATH/lib64:$LD_LIBRARY_PATH
export CUDA_SDK_PATH=$CUDA_INSTALL_PATH/samples
export PATH=$PATH:$CUDA_INSTALL_PATH/bin
    

假設是在 ubuntu 下的話，這樣就直接已經基本把路徑都配置對了。

3.4.?鏈接錯誤

可是直接編譯的話還是會遇到錯誤，例如以下所看到的：

      cd ./bin/ && g++  -O3   -DNUMPY_INTERFACE -shared -Wl,-no-undefined -o libutilpy.so src/matrix.o -L/usr/lib/atlas-base -latlas -lcblas -lpython2.7
/usr/bin/ld: cannot find -latlas
/usr/bin/ld: cannot find -lcblas
collect2: error: ld returned 1 exit status
    

主要是由于 atlas 庫中沒有 libatlas.so 和 libctlas.so 。查看 atlas 的文件夾發現結構如此：

      :/usr/lib/atlas-base$ ls -l
總用量 4292
drwxr-xr-x 2 root root    4096  9月 22 11:41 atlas
lrwxrwxrwx 1 root root      15  2月  4  2014 libatlas.so.3 -> libatlas.so.3.0
-rw-r--r-- 1 root root 3746968  2月  4  2014 libatlas.so.3.0
lrwxrwxrwx 1 root root      15  2月  4  2014 libcblas.so.3 -> libcblas.so.3.0
-rw-r--r-- 1 root root  135376  2月  4  2014 libcblas.so.3.0
lrwxrwxrwx 1 root root      17  2月  4  2014 libf77blas.so.3 -> libf77blas.so.3.0
-rw-r--r-- 1 root root  131000  2月  4  2014 libf77blas.so.3.0
lrwxrwxrwx 1 root root      22  2月  4  2014 liblapack_atlas.so.3 -> liblapack_atlas.so.3.0
-rw-r--r-- 1 root root  369472  2月  4  2014 liblapack_atlas.so.3.0
    

加入兩個軟鏈接，運行命令：

      sudo ln -s libatlas.so.3.0 libatlas.so
sudo ln -s libcblas.so.3.0 libcblas.so
    

文件夾結構變為如此：

      /usr/lib/atlas-base$ ls -l
總用量 4292
drwxr-xr-x 2 root root    4096  9月 22 11:41 atlas
lrwxrwxrwx 1 root root      15 10月  1 22:35 libatlas.so -> libatlas.so.3.0
lrwxrwxrwx 1 root root      15  2月  4  2014 libatlas.so.3 -> libatlas.so.3.0
-rw-r--r-- 1 root root 3746968  2月  4  2014 libatlas.so.3.0
lrwxrwxrwx 1 root root      15 10月  1 22:36 libcblas.so -> libcblas.so.3.0
lrwxrwxrwx 1 root root      15  2月  4  2014 libcblas.so.3 -> libcblas.so.3.0
-rw-r--r-- 1 root root  135376  2月  4  2014 libcblas.so.3.0
lrwxrwxrwx 1 root root      17  2月  4  2014 libf77blas.so.3 -> libf77blas.so.3.0
-rw-r--r-- 1 root root  131000  2月  4  2014 libf77blas.so.3.0
lrwxrwxrwx 1 root root      22  2月  4  2014 liblapack_atlas.so.3 -> liblapack_atlas.so.3.0
-rw-r--r-- 1 root root  369472  2月  4  2014 liblapack_atlas.so.3.0
    

然后就能夠正常編譯了。

參考文獻

①　ImageNet?Classification?with?Deep?Convolutional?Neural?Networks

②　 https://code.google.com/p/cuda-convnet

③　 https://code.google.com/p/cuda-convnet2