tensorpack——Dorefa-alexnet（二）

上次跑通的是Dorefa样例下的svhn-digit-dorefa.py代码，这次准备跑alexnet-dorefa.py，其中碰到了无数的bug，折腾了好几天，终于跑通了！这里只挑选其中几个我花时间最多的bug。

一、数据集路径

虽然官方代码有描述数据集路径，但对于脑残的我，还是不太理解，还是上图吧：

代码默认的目录是~/tensorpack_data/数据集，跑alexnet-dorefa.py的--data路径就是：/root/.keras/tensorpack_data/imagenet/

二、cuda环境错误

按如下代码运行：

python alexnet-dorefa.py --data /root/.keras/tensorpack_data/imagenet/ --dorefa 1,2,6 --gpu 0,1

出现Registered devices: [CPU, XLA_CPU, XLA_GPU]错误，感觉和硬件有关，参考这篇文章，说单GPU训练的时候是可以的，多GPU训练会碰到，于是为了先跑通，将--gpu 0,1改为--gpu 0。结果确实通过了，然后有了新的错误：

Default MaxPoolingOp only supports NHWC on device type CPU

搜了好久，才在tensorpack的论坛上找到原因，原来确实是GPU的问题，可以通过如下代码验证：

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

结果确实发现少了库，报错是确实动态库：

libcublas.so.10.0: cannot open shared object file: No such file or directory

原来我的tensorflow是1.14.0版本，需要cuda10.0版本，对应的cudnn7.4.2版本。一开始还想上官网装cuda，又会是繁琐的工程，没想到可以借助conda快速配置环境：

conda install cudatoolkit=10.0
conda install cudnn=7.4

三、总结

神经网络快把我变神经病了，配置环境花了那么多时间！看似简简单单的几条命令，背后却是满满的辛酸泪。。。 python，tensorflow，cuda，cudnn版本官方对照 这下终于可以运行了：

python alexnet-dorefa.py --data /root/.keras/tensorpack_data/imagenet/ --dorefa 1,2,6 --gpu 0,1

nvidia-smi -L #可以查看可以调用GPU的编号

上图纪念一番：