cuDNN兼容性问题造成的caffe/mnist,py-faster-rcnn/demo运行结果错误

问题描述

我有两台电脑,一台笔记本GTX965M显卡,台式机是GTX1060显卡 两台电脑上的软件环境都一样:ubuntu16+cuda8.0+cuDNN4,显卡驱动nvidia-378 在笔记本上运行Caffe带的MNIST手写体识别训练,和py-faster-rcnn的目标检测演示程序(demo.py)很正常(GPU,CPU模式都正常), 在台式机上运算,CPU模式正常,但是GPU模式下结果居然不对了:

以下是MNIST训练的运算结果

I0316 12:42:03.299001 12558 solver.cpp:454] Snapshotting to binary proto file examples/mnist/lenet_iter_10000.caffemodel I0316 12:42:03.303056 12558 sgd_solver.cpp:273] Snapshotting solver state to binary proto file examples/mnist/lenet_iter_10000.solverstate I0316 12:42:03.305409 12558 solver.cpp:317] Iteration 10000, loss = 2.29934 I0316 12:42:03.305425 12558 solver.cpp:337] Iteration 10000, Testing net (#0) I0316 12:42:03.350900 12558 solver.cpp:404] Test net output #0: accuracy = 0.1135 I0316 12:42:03.350924 12558 solver.cpp:404] Test net output #1: loss = 2.3011 (* 1 = 2.3011 loss) I0316 12:42:03.350927 12558 solver.cpp:322] Optimization Done. I0316 12:42:03.350930 12558 caffe.cpp:254] Optimization Done.

正常情况下10000次迭代后的精度应该是0.99左右,但现在居然是 0.1135 ! 对于10个数字而言这基本上就是瞎猜的精度啊。

运算py-faster-rcnn的demo程序如下,

Loaded network /home/guyadong/tmp/py-faster-rcnn/data/faster_rcnn_models/VGG16_faster_rcnn_final.caffemodel ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Demo for data/demo/000456.jpg Detection took 0.084s for 300 object proposals ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Demo for data/demo/000542.jpg Detection took 0.081s for 259 object proposals ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Demo for data/demo/001150.jpg Detection took 0.067s for 223 object proposals ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Demo for data/demo/001763.jpg Detection took 0.066s for 201 object proposals ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Demo for data/demo/004545.jpg Detection took 0.066s for 172 object proposals

正常情况下,最后应该显示画了目标标注矩形框的图像,然鹅现在没有任何结果图像显示。。。而且每个检测执行时间都在几十毫秒级别,太快了,相当于没执行。

解决方案

在台式机上折腾多次找不到原因,我又回到笔记本上准备再验证一下,发现我在笔记本上曾经用cuDNN5.1编译过caffe,回想起最初我是用cuDNN5.1的,而且也运行过MNIST训练,而且CPU和GPU模式运行结果都是正常的。 于是将台式机上换成了cuDNN5.1版本。 重新编译Caffe后,再执行MNIST训练,正常! 重新编译py-faster-rcnn/caffe-fast-rcnn后,demo.py,正常!

换成cuDNN5.1后编译py-faster-rcnn/caffe-fast-rcnn时,会有编译错误, 解决方法参见我的上一篇博客: 《使用cudnn5编译py-faster-rcnn错误:cudnn.hpp(126): error: argument of type “int” is incompatible …》

由此可以得出结论: cuDNN4与GTX1060显卡之间存在兼容性问题,升级之后的cuDNN5就没这问题了,所以如果你遇到类似的问题不妨换个cuDNN版本试试。 唉,NVIDIA的产品兼容性实在是成问题啊,如果不是因为我有两台电脑而且显卡型号不同,可以有对比,我实在不知道该怎么从哪方面找原因。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据结构与算法

洛谷P3707 [SDOI2017]相关分析(线段树)

题目描述 Frank对天文学非常感兴趣,他经常用望远镜看星星,同时记录下它们的信息,比如亮度、颜色等等,进而估算出星星的距离,半径等等。 Frank不仅喜欢观测...

3185
来自专栏数据结构与算法

P1433 吃奶酪

题目描述 房间里放着n块奶酪。一只小老鼠要把它们都吃掉,问至少要跑多少距离?老鼠一开始在(0,0)点处。 输入输出格式 输入格式: 第一行一个数n (...

2836
来自专栏WOLFRAM

可视化:标签、缩放和排除

1834
来自专栏蘑菇先生的技术笔记

探索c#之一致性Hash详解

2465
来自专栏wOw的Android小站

[Tensorflow] Faster R-CNN 和自定义 VOC 数据集

看了pascal_voc.py代码,可以把代码的jpg拼接改成png,这样可以不做上一步.

9512
来自专栏ATYUN订阅号

保存并加载您的Keras深度学习模型

Keras是一个用于深度学习的简单而强大的Python库。 鉴于深度学习模式可能需要数小时、数天甚至数周的时间来培训,了解如何保存并将其从磁盘中加载是很重要的...

5306
来自专栏AI研习社

手写体数字识别该如何选择GPU并实现?DeepLearning4j 实战

在之前的博客中已经用单机、Spark分布式两种训练的方式对深度神经网络进行训练,但其实DeepLearning4j也是支持多GPU训练的。 这篇文章我就总结下用...

3313
来自专栏机器学习算法工程师

应用TF-Slim快速实现迁移学习

作者:张旭 编辑:张欢 这是一篇以实践为主的入门文章,目的在于用尽量少的成本组织起来一套可以训练和测试自己的分类任务的代码,其中就会用到迁移学习,TF-Sli...

5216
来自专栏生信技能树

hpv病毒基因研究调研

2015年有一篇文献中提到了hpv的研究现状 As of May 30, 2015, 201 different HPV types had been comp...

3025
来自专栏大数据学习笔记

TensorFlow学习笔记:2、TensorFlow超简单入门程序

TensorFlow学习笔记:2、TensorFlow超简单入门程序 2.1 HelloWorld代码说明 import tensorflow as tf ...

2405

扫码关注云+社区