Caffe: Intel GPU에 대한 적절한 Caffe opencl 분기 설치 지침

@atlury
Readme에는 Windows에서 컴파일 및 설치하는 방법을 안내하는 Windows 섹션이 있습니다.
해당 설명에서 누락 된 유일한 단계는 ViennaCL-DEV를 다운로드하는 것입니다.
https://github.com/viennacl/viennacl-dev

Caffe를 복제 한 폴더 옆과 같이 CMake가 찾을 경로 중 하나에 넣을 수 있습니다.

빌드 지침은 CMake 구성 및 종속성 다운로드를 자동으로 처리하는 스크립트이므로 Linux 지침과 다릅니다.

일반적으로 Windows의 구성에 대해 크게 걱정할 필요가 없습니다. Windows는 작동하도록 설계 되었기 때문입니다. 그러나 나는 당신에게 빠른 설명을 줄 것입니다.
(a) 아니요. Readme에 설명 된대로 scripts/build_win.cmd 를 사용합니다.
(b) 예, 어떻게 컴파일하든 CPU BLAS가 항상 필요합니다. 하지만 build_win.cmd 가 알아서 처리해 주며 기본 구성은 OpenBLAS를 사용하는 것입니다.
(c) 예, ViennaCL이 필요합니다. 여기에서 복제하십시오 : https://github.com/viennacl/viennacl-dev
(d) LibDNN은 cuDNN을 대체하는 OpenCL GPU의 컨볼 루션 엔진 기본값입니다.
기본적으로 사용 가능하고 활성화 된 Intel GPU 용 추가 Intel 커널도 있습니다.
(e) ISAAC, clBLAS 및 CLBlast는 엄격하게 선택 사항입니다. 이를 사용하려면 Windows에서 별도로 컴파일하고 종속성에 추가해야합니다. 나는 이러한 라이브러리의 컴파일을 보증하거나 지원하지 않으며 각 프로젝트 관리자가 지원합니다.
(f) 아니요, OpenCL 브랜치에서는 사실이 아닙니다. 여기서 기본값은 USE_GREENTEA = ON, USE_CUDA = OFF, CPU_ONLY = OFF입니다.

휴일이있는 크리스마스 이후에 Readme를 업데이트하겠습니다. 안타깝게도 지금은 단계별로 자세히 설명 할 시간이 없습니다.
CC : @willyd

뿡 빵뀨
빠른 응답 감사합니다. Linux 지침은 어떻습니까?

OpenCL BLAS 및 ISAAC가 여전히 필요합니까?
https://github.com/01org/caffe/wiki/clCaffe

@atlury
Linux에서 두 가지 방법 : CMAKE를 사용하고 'make all -j8'을 사용하거나 makefile.config.example을 makefile.config에 복사하고 make all -j8; make pycaffe -j8; make runtest -j8 사용하여 컴파일합니다.
Makefile과 CMAKE의 컴파일 된 결과는 Linux에서 약간 다릅니다. Makefile은 오래되었지만 더 쉽고 CMAKE는 더 복잡합니다.

이 분기는 https://github.com/01org/caffe/wiki/clCaffe 와 동일하지 않습니다.
따라서 요구 사항이 다릅니다. 그러나 거기에서 인텔 공간 커널이이 분기로 병합되었습니다.

엄격한 요구 사항 :

• ViennaCL, OpenCL 및 Gflags, HDF5 등과 같은 일반 Caffe 요구 사항
• CUDA, AMD APP SDK 또는 Intel OpenCL SDK를 사용하여 OpenCL SDK를 얻을 수 있습니다. 이것은 Windows와 Linux 모두에 해당됩니다. Mac OS X는 자체 OpenCL 구현을 제공해야합니다.

선택적 요구 사항 :

• clBLAS (AMD에서 제공)
• CLBlast (@cnugteren에서)
• ISAAC
• cuDNN
• CUDA

감사합니다 @ naibaf7
또한 Linux의 경우 LIBDNN은 대부분의 nVidia 및 AMD 칩 전용입니까? 인텔 iGPU에 인텔 공간을 사용해야합니까?

@atlury
Intel 공간은 효율적인 역 전파를 지원하지 않고 모든 형태의 컨볼 루션을 지원하지는 않지만 예, Intel iGPU에서 가장 빠른 순방향 전파입니다.
그러나 두 가지를 모두 시도하고 네트워크 및 장치에 가장 적합한 것이 무엇인지 확인하는 것이 좋습니다.

뿡 빵뀨

Fabian, Windows는 Mingw-64로 ​​컴파일 지원을 빌드 할 것입니다. 친절하게 알려주세요. 특정 지침이 있습니까? 모코 소프트 스튜디오가 너무 부풀어 ..

@atlury 현재 아니오, 내가 아는 것은 아닙니다. @willyd 는 Windows 구축의 주요 기여자이자 유지 관리자이므로 대답 할 수있을 것입니다.
마이크로 소프트 스튜디오가 약간 부풀어 될 수도 있지만 @willyd는 VS2015과 VS2013 오가는 모든 종속성을 미리 컴파일 된 이후, 그것은 꽤 편리합니다. 그래서 mingw-64를 사용하는 것이 훨씬 더 많은 작업이라고 생각합니다.

CUDA가 Windows에서 호스트 컴파일러로 mingw를 지원하지 않기 때문에 mingw-64를 지원할 의도가 없습니다. 즉, 빌드에 너무 많은 복잡성을 추가하지 않으면 mingw64 지원과 관련된 PR을 환영합니다.

@willyd
멋지다, 내가 생각한 것. MinGW64가없는 Windows 지원은 나에게 큰 함정처럼 보이지 않기 때문에이 경우에는 단순성을 선호합니다. 각 운영 체제에서 표준 컴파일러를 사용하는 것이 다소 바람직합니다.
사람들이 까다로운 빌드 구성을 사용할 때 지원 오버 헤드에 대해 주로 걱정합니다.

뿡 빵뀨

Windows opencl 빌드에 엔진 : SPATIAL에 대한 지원이 포함되어 있습니까? 엔진 : SPATIAL 또는 엔진 : INTEL_SPATIAL을 포함하면 다음 오류 중 하나가 발생합니다.

_ 레이어 conv1에 알 수없는 엔진이 있습니다 ._
_ 텍스트 형식 caffe를 구문 분석하는 동안 오류가 발생했습니다. NetParameter : 18 : 3 : "engine"필드에 대한 "SPATIAL"의 알 수없는 열거 값 ._

위키가 혼란 스럽습니다 .read.me https://github.com/BVLC/caffe/tree/opencl

모든 컨볼 루션 레이어 사양에 _add 엔트리 엔진 : SPATIAL_을 모두 언급합니다. 뿐만 아니라 _ ​​"engine : INTEL_SPATIAL <-------------------------- this line!"_

어느 것?

엔진 없이도 잘 실행됩니다. prototxt의 공간입니다.

_opencl-caffe-test.exe imagenet_deploy.prototxt bvlc_reference_caffenet.caffemodel imagenet_mean.binaryproto synset_words.txt truck.jpg
장치 ID 0으로 GPU 사용
---------- truck.jpg에 대한 예측 ----------
0.9872- "n03417042 쓰레기 트럭, 쓰레기 수레"
0.0110- "n04467665 트레일러 트럭, 트랙터 트레일러, 트럭 장비, 장비, 굴절 식 트럭, 세미"
0.0013- "n03496892 수확기, 사신"
0.0002- "n04428191 탈곡기, 탈곡기, 탈곡기"
0.0001- "n04461696 견인 트럭, 견인차, 견인차"_

또한 여기에 몇 가지 "기타"관찰이 있습니다.
a) 정적 대신 DLL로 컴파일 할 때 더 잘 작동합니다. 특히 _ "Check failed : registry.count (type) == 1 (0 vs. 1) Unknown layer type"_ (Visual Studio 2015) 오류 해결)
b) OpenCL.lib를 선택하지 않는 것 같으므로 해결 방법은 opencl-sdk 폴더에서 빌드 폴더로 수동으로 복사하는 것입니다 (경로 변수 이름은 무엇입니까?)
c) 빌드 폴더에서 추출 된 라이브러리는 최신 버전으로 컴파일 될 수 있습니다 (예 : opencv 3.2 등).

더욱이

C : \ Downloads \ xxx.caffe-opencl-build \ bin> caffe device_query
I0108 12 : 35 : 04.885713 19872 공통. cpp : 382 ] 총 장치 : 3

I0108 12 : 35 : 04.888244 19872 공통. cpp : 383 ] CUDA 장치 : 0
I0108 12 : 35 : 04.889102 19872 공통. cpp : 384 ] OpenCL 장치 : 3

I0108 12 : 35 : 04.889681 19872 공통. cpp : 408 ] 장치 ID : 0

I0108 12 : 35 : 04.890744 19872 공통. cpp : 410 ] 기기 백엔드 : OpenCL
I0108 12 : 35 : 04.891839 19872 공통. cpp : 412 ] 백엔드 세부 정보 : Intel (R) Corporation : OpenCL 1.2
I0108 12 : 35 : 04.893450 19872 공통. cpp : 414 ] 장치 공급 업체 : Intel (R) Corporation
I0108 12 : 35 : 04.894731 19872 공통. cpp : 416 ] 이름 : Intel (R) HD Graphics 4400
I0108 12 : 35 : 04.895730 19872 공통. cpp : 418 ] 총 글로벌 메모리 : 1708759450

I0108 12 : 35 : 04.897233 19872 공통. cpp : 408 ] 장치 ID : 1
I0108 12 : 35 : 04.898505 19872 공통. cpp : 410 ] 기기 백엔드 : OpenCL
I0108 12 : 35 : 04.899590 19872 공통. cpp : 412 ] 백엔드 세부 정보 : Intel (R) Corporation : OpenCL 1.2
I0108 12 : 35 : 04.901091 19872 공통. cpp : 414 ] 장치 공급 업체 : Intel (R) Corporation
I0108 12 : 35 : 04.902592 19872 공통. cpp : 416 ] 이름 : Intel (R) Core (TM) i5-4210U CPU @ 1.70GHz
I0108 12 : 35 : 04.904093 19872 공통. cpp : 418 ] 총 글로벌 메모리 : 8513761280

I0108 12 : 35 : 04.905594 19872 공통. cpp : 408 ] 장치 ID : 2
I0108 12 : 35 : 04.907114 19872 공통. cpp : 410 ] 기기 백엔드 : OpenCL
I0108 12 : 35 : 04.908617 19872 공통. cpp : 412 ] 백엔드 세부 정보 : Intel (R) Corporation : OpenCL 2.1
I0108 12 : 35 : 04.910100 19872 공통. cpp : 414 ] 장치 공급 업체 : Intel (R) Corporation
I0108 12 : 35 : 04.911598 19872 공통. cpp : 416 ] 이름 : Intel (R) Core (TM) i5-4210U CPU @ 1.70GHz
I0108 12 : 35 : 04.913100 19872 공통. cpp : 418 ] 총 글로벌 메모리 : 8513761280

최신 OpenCL 2.1과 이전 OpenCL 1.2가 모두 설치되어있는 것 같지만 나에게는 좋아 보입니다. 여전히 Haswell CPU이므로 Intel이 이미 칩용 2.1 / 2.0 드라이버를 가지고 있는지 확실하지 않습니다. 하지만 GPU 용 OpenCL SDK를 업데이트해야합니다.

어쨌든 INTEL_SPATIAL을 사용하려면 컴파일 타임에도 활성화해야합니다. 그 후 Intel GPU 장치의 표준 엔진이됩니다.
여기에서 할 수 있습니다.
https://github.com/BVLC/caffe/blob/opencl/scripts/build_win.cmd#L82
(scripts / build_win.cmd, 82 행)

그러나 Intel 공간 커널은 아직 Windows에서 철저히 테스트되지 않았습니다.

나는 opencl sdk를 업데이트하려고 노력할 것이며 방금 커밋을 보았고 활성화, 재 컴파일 및 테스트하고 다시보고하려고 시도 할 것입니다.
감사

Okie with if NOT DEFINED USE_INTEL_SPATIAL 세트 USE_INTEL_SPATIAL = 1

Build_win.cmd에서 다음 오류가 발생합니다.

C : \ Downloads \ caffe-opencl \ buildALL_BUILD.vcxproj "(기본 대상) (1)->
C : \ Downloads \ caffe-opencl \ build \ src \ caffe \ caffe.vcxproj "(기본 대상) (3)->

(ClCompile 대상)-> C : \ Downloads \ caffe-opencl \ src \ caffe \ layers \ conv_layer_spatial.cpp (1453) : 오류 C2572 : 'caffe :: ConvolutionLayerSpatial:: swizzleWeights ': 기본 인수 재정의 : 매개 변수 1 [C : \ Downloads \ caffe-opencl \ build \ src \ caffe \ caffe.vcxproj]

C : \ Downloads \ caffe-opencl \ src \ caffe \ layers \ conv_layer_spatial.cpp (1458) : 오류 C2572 : 'caffe :: ConvolutionLayerSpatial:: swizzleWeights ': 기본 인수 재정의 : 매개 변수 1 [C : \ Downloads \ caffe-opencl \ build \ src \ caffe \ caffe.vcxproj]

알겠습니다. 조사하겠습니다.
참조를 위해 @gongzg .

안녕하세요,
수고하셨습니다!
USE_INTEL_SPATIAL = 0으로 Windows 및 Intel HD 4400에서 caffe-opencl을 컴파일하고 실행할 수있었습니다. 그러나 USE_INTEL_SPATIAL = 1로 컴파일 할 때 @atlury 와 동일한 오류가

@gfursin 큰 차이로해야합니다. LibDNN은 GPU가 Intel 칩과 다른 메모리 아키텍처를 가질 것으로 예상하므로 현재 최적으로 실행되지 않습니다.
현재 Windows에서도 작동하도록 Intel 커널을 수정하는 방법을 조사하고 있습니다.

감독자! 감사합니다!

그건 그렇고, @atlury , 장치 1과 2를 선택할 때 약 10 초 후에 매번 "카페 시간"이 충돌했습니다. 동일한 동작을 하셨나요? 감사!

@gfursin 아니요 카페 타임을 실행하지 않았습니다 (보고하려고 노력할 것입니다). 나는 창에 실망했고 나중에 Ubuntu 17.04로 옮겼습니다. Linux에 대한 내 의견을 참조하십시오. 공간적으로 작동하며 Linux에서 30fps (VGG) 이상을 얻습니다. https://github.com/BVLC/caffe/pull/5165

여기에 인텔 논문이 게시되었습니다 (clcaffe).
http://www.slideshare.net/IntelSoftware/clcaffe-unleashing-the-power-of-intel-graphics-for-deep-learning-acceleration

다음 벤치 마크 (28 페이지 GT3 GPU)는 컨볼 루션 레이어에서 INTEL SPATIAL을 사용하여 지원되었습니다.
Alexnet-290 이미지 / 초
GoogleNet-77 개 이미지 / 초
VGGA-55 개 이미지 / 초
Overfeat-91 개 이미지 / 초

INTEL SPATIAL을 사용하여 Object Detection (분류뿐만 아니라)을 테스트하고 싶지만 어디에도 그런 예가 없습니다. Caffe Layers가 아직 준비되었는지 의심 스럽습니까? 트윗 담아 가기

@gongzg 우리가 시도 할 수있는 위의 테스트에 대한 소스 코드가 있습니까?

추가 LiDNN은 흥미로운 tiny-dnn과 함께 작동하도록 만들어졌습니다 (사전 훈련 된 모델이 많지는 않지만). 또한 양자화를 테스트하고 opencl이 어떻게 도움이되는지 (8 비트, XNOR 등)보고 싶습니다. 마지막으로 opencl에서 실시간으로 물체를 감지하는 것은 굉장 할 것입니다 !!! @ naibaf7 이 약간의 빛을 던질 수 있기를 바랍니다.

@atlury 더 어려운 질문에 대해 다음 주에 다시
옵션이 활성화 된 상태에서 컴파일하면 Intel 공간이 자동으로 사용됩니다.
물체 분할 및 감지를 위해 ISBI 2016 문서 및 기술 보고서를 읽어 보시기 바랍니다. 이 작업을 매우 빠르게 수행 할 수있는 SK-Net 및 U-Net 아키텍처가 설명되어 있습니다. AlexNet은 이러한 SK-Net으로 변환 할 수 있습니다.
SK / U-Net에서 메모리 사용량을 낮게 유지하려면 LibDNN을 사용해야합니다.

와우, 방금 당신의 논문을 읽었습니다 ... Strided 커널의 개념은 매우 인상적입니다. 이 스레드를 하이재킹하지는 않지만 결국에는 Windows 아래에서 Opencl에서 테스트해야하지만 그 전에는 모두 테스트해야합니다 ....

이것은 파이썬 전용 구현입니까? C ++가 없습니까? 사전 훈련 된 모델이 있습니까? 저장소가 https://github.com/naibaf7/PyGreentea/tree/master/examples 입니까? 네, LibDNN을 사용하겠습니다 ...

@atlury 예, 원래 인터페이스는 C ++ 이었지만 우리는 파이썬으로 전환했습니다. 그러나 HDF5 또는 자체 C ++ 인터페이스를 통해 데이터를 제공하려는 경우에도 작동합니다. SK / U 유형 네트워크에 대한 올바른 prototxt를 만드는 데 도움이되도록 Python에서 제공하는 네트워크 생성기 코드를 사용하십시오.
다음은 약간 오래되었지만 전체 기술 보고서입니다 : https://arxiv.org/abs/1509.03371 , 여기에는 LibDNN이 프로그래밍되기 전의 성능 수치가 포함되어 있습니다.
우리가 사용하는 데이터 세트 (EM 분류)와 결과가 아직 게시되지 않았기 때문에이 시점에서 사전 훈련 된 모델을 제공하지 않습니다.

@atlury 벤치 마크 데이터 중 일부는 convnet-benchmark를 사용하여 측정되며 플랫폼에서 재현 할 수 있습니다. 현재 공개적으로 공유 할 다른 예가 없습니다.

@atlury- 참고 해주셔서 감사합니다! 이전에 Ubuntu에서 Intel GPU 용 OpenCL을 설치하고 사용하는 데 많은 문제가 있었지만 (Linux 커널을 다시 컴파일해야했습니다) 최신 드라이버가 정상적으로 작동 할 수 있습니다. 확인해야합니다. 그건 그렇고, # 5165에는 웹캠 + FPS 측정을 통한 Caffe 분류의 스냅 샷이 있습니다. 어떤 프로그램을 사용했는지 물어봐도 될까요? 감사합니다 !!!

뿡뿡

다음을 수행하십시오.

1. http://cdimage.ubuntu.com/daily-live/current/ 사용

2. opencl SDK 및 opencl 런타임 설치 (커널 패치가 필요하지 않음)
   https://software.intel.com/en-us/intel-opencl/download
   https://software.intel.com/en-us/articles/opencl-drivers

3. https://github.com/BVLC/caffe/tree/opencl 다운로드
   (a) Viennacl, libdnn, intel spatial, opencv 등을 활성화하여 컴파일하십시오. 공유 라이브러리를 만드세요. 나는 자주 사용하지 않기 때문에 파이썬을 활성화하지 않습니다.

4. VGG 카페 모델, prototxt
   다운로드
   http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel
   https://gist.githubusercontent.com/ksimonyan/211839e770f7b538e2d8/raw/0067c9b32f60362c74f4c445a080beed06b07eb3/VGG_ILSVRC_16_layers_deploy.prototxt

include engine : INTEL_SPATIAL for all convolutional layer in your deploy.proto

synset_words.txt 가져 오기

1. 이 프로그램을 사용하여 테스트
   https://gist.github.com/atlury/f65fd41eb805cc5f77f666a59e71eae2

input_dim이 3 개 채널로 10 (한 번에 하나의 이미지 만 제공함)이 아닌 1 (프로토에서)인지 확인하고 크기 조정은 자동으로 이루어집니다.
input_dim : 1
input_dim : 3
input_dim : 224
input_dim : 224

추가 도움이 필요하면 skype : atlury 또는 gtalk : atlury 에서 저를

이것은 Linux에서만 작동하며 Windows에 대한 opencl 지원은 여전히 @ naibaf7 에서 작업

모든 세부 사항에 대해 @atlury 에게 감사드립니다-대단히 감사합니다-곧 테스트하겠습니다! 그건 그렇고, 저는 Collective Knowledge Framework를 사용하여 Windows (CPU 및 OpenCL 모드)에 Caffe 설치를 자동화하기 시작했지만 여전히 더 많은 테스트가 필요합니다 : https://github.com/dividiti/ck-caffe
동료의 피드백을 기다리고 있으며 제대로 작동하면 몇 주 안에 공식 릴리스를 만들 것입니다 (아마도 Android 장치도 지원).

안녕하세요. 도서관과 위의 토론에 감사드립니다.

현재 USE_GREENTEA = 1, USE_LIBDNN = 1 및 USE_INTEL_SPATIAL = 1로 Windows OpenCL 빌드 를 수정하고 ViennaCL에 대한 헤더 파일을 빌드 한 최신 커밋을 빌드하려고합니다. 내 build_win.cmd가 여기에 첨부되어 있습니다 : build_win.txt

그러나 라이브러리를 중간에 빌드하면 항상 다음 오류가 발생합니다.
ninja: build stopped: subcommand failed.
ERROR: Build failed
상세히:
E:\caffe-opencl\src\caffe\layers\conv_layer_spatial.cpp(1514) : error C2572: 'ca ffe::ConvolutionLayerSpatial<float>::swizzleWeights' : redefinition of default p arameter : parameter 4 ..\..\include\caffe/layers/conv_spatial_layer.hpp(164) : see declaration of 'caffe::ConvolutionLayerSpatial<float>::swizzleWeights' E:\caffe-opencl\src\caffe\layers\conv_layer_spatial.cpp(1519) : error C2572: 'ca ffe::ConvolutionLayerSpatial<double>::swizzleWeights' : redefinition of default parameter : parameter 4
이 오류가 위에서 언급 한 것과 동일한 경우 사과드립니다.

USE_INTEL_SPATIAL = 0으로 시도했지만 다음 오류가 발생했습니다.
greentea_math_functions.cpp.obj : error LNK2019: unresolved external symbol clEn queueUnmapMemObject referenced in function "void __cdecl caffe::greentea_gpu_asu m<float>(int,int,struct _cl_mem * const,int,float *)" (??$greentea_gpu_asum@M<strong i="19">@ca</strong> ffe@@YAXHHQEAU_cl_mem@@HPEAM@Z) syncedmem.cpp.obj : error LNK2001: unresolved external symbol clEnqueueUnmapMemO bject benchmark.cpp.obj : error LNK2019: unresolved external symbol clWaitForEvents re ferenced in function "public: virtual __cdecl caffe::Timer::~Timer(void)" (??1Ti mer@caffe@@UEAA@XZ) benchmark.cpp.obj : error LNK2019: unresolved external symbol clReleaseEvent ref erenced in function "public: virtual __cdecl caffe::Timer::~Timer(void)" (??1Tim er@caffe@@UEAA@XZ) benchmark.cpp.obj : error LNK2019: unresolved external symbol clGetEventProfilin gInfo referenced in function "public: virtual float __cdecl caffe::Timer::MicroS econds(void)" (?MicroSeconds@Timer@caffe@@UEAAMXZ) bin\caffe.dll : fatal error LNK1120: 34 unresolved externals LINK failed. with 1120

이에 대해 친절하게 조언하십시오. 대단히 감사합니다.

@ yshen92 첫 번째 오류가 알려져 있으며 작업 중입니다.
두 번째 오류는 일반적으로 OpenCL DLL이 유효하지 않으며 일부 기호가 없음을 의미합니다. 보유하고있는 하드웨어와 설치 한 OpenCL SDK를 알려주시겠습니까?
이 문제는 일반적으로 CUDA 내의 nVidia에서 제공되는 OpenCL SDK에서 발생합니다. Intel 및 AMD OpenCL SDK는 버전 1.2 및 2.0에서 문제가 없습니다.

@ naibaf7 답장을 보내 주셔서 감사합니다.

Intel HD Graphics 4000 및 NVIDIA NVS 5200M을 사용하여 Windows 8 Pro 64 비트 Dell에서 라이브러리를 구축하고 있습니다. 그리고 방금 최신 Intel OpenCL SDK v6.3을 설치했습니다. OpenCL 디렉토리가 CUDA와 함께 제공되는 디렉토리를 가리키는 것 같습니다.

따라서 빌드에서 Intel OpenCL SDK를 사용하려는 시도에서 CUDA를 제거하고 다음과 같이 46, 48, 52 및 53 행에서 FindOpenCL.cmake 를 약간 조잡하게 수정했습니다.

IF("${ISWIN64}" STREQUAL "Win64")
FIND_LIBRARY(OPENCL_LIBRARIES OpenCL.lib "${OPENCL_LIB_DIR}" "$ENV{CUDA_LIB_PATH}" "$ENV{CUDA_PATH}/lib/x64" "$ENV{INTELOCLSDKROOT}/lib/x64")
ELSE("${ISWIN64}" STREQUAL "Win64")
FIND_LIBRARY(OPENCL_LIBRARIES OpenCL.lib "${OPENCL_LIB_DIR}" "$ENV{CUDA_LIB_PATH}" "$ENV{CUDA_PATH}/lib/Win32" "$ENV{INTELOCLSDKROOT}/lib/x86")
ENDIF("${ISWIN64}" STREQUAL "Win64")

FIND_PATH(OPENCL_INCLUDE_DIRS CL/cl.h PATHS "${_OPENCL_INC_CAND}" "$ENV{CUDA_INC_PATH}" "$ENV{CUDA_PATH}/include" "$ENV{INTELOCLSDKROOT}/include")
FIND_PATH(_OPENCL_CPP_INCLUDE_DIRS CL/cl.hpp PATHS "${_OPENCL_INC_CAND}" "$ENV{CUDA_INC_PATH}" "$ENV{CUDA_PATH}/include" "$ENV{INTELOCLSDKROOT}/include")
기본적으로 인텔 SDK 경로를 추가하기 만하면됩니다. 그래도 제대로하고 있는지 확실하지 않습니다. 이것 없이는 스크립트가 SDK를 찾지 못합니다.

그러나 여전히 위와 동일한 오류가 발생합니다 (Intel Spatial없이 빌드).
그리고 여기에 참조를 위해 스크립트에서 직접 가져온 구성 파일이 있습니다.
ConfigInfo.txt
내가 뭘 잘못했는지 알아?

안녕하세요 @atlury- 드디어 Ubuntu 17.04를 설치할 시간을 찾았고 커널을 다시 빌드하지 않고 Intel GPU 드라이버를 설치하는 것이 매우 간단했습니다. 감사합니다! Caffe-OpenCL도 설치했습니다.

커널 캐싱에는 여전히 문제가 있으므로 시작 비용이 매우 높지만 @ naibaf7 및 @psyhtest 는이를 개선하기 위해 노력하고 있습니다. 커널 캐싱 속도를 약간 높이는 임시 솔루션은 VIENNACL_CACHE_PATH 및 CUDA_CACHE_DISABLE 환경 변수를 사용하는 것입니다 (https://github.com/dividiti/ck-caffe/issues/44#issuecomment-277205871 참조).

그래도 질문이 있습니다. deploy.proto의 모든 컨볼 루션 레이어에 대해 엔진 : INTEL_SPATIAL을 추가하는 방법을 이해하지 못했습니다. 나는 여전히 초보 사용자입니다 (저는 하위 라이브러리를 최적화하려는 컴파일러쪽에 더 가깝습니다). 샘플을 보내 주시겠습니까? 매우 감사하겠습니다!

또 다른 참고 사항 : 관심이 있다면 CK 프레임 워크를 통해 OpenCL, ViennaCL 및 USE_INTEL_SPATIAL로 Caffe를 어셈블하는 지원을 추가했습니다 (예 : 원 클릭 재 빌드).

ck 설치 패키지 : lib-caffe-bvlc-opencl-libdnn-clblast-universal --env.USE_INTEL_SPATIAL = ON

자세한 내용은 https://github.com/dividiti/ck-caffe/wiki/Installation에서 찾을 수 있습니다.

현재 몇 가지 플랫폼에서 ViennaCL 캐싱을 프로파일 링하고 있습니다. 나는 그것이 몇 가지 변경 후에 꽤 만족스럽게 작동 할 것이라고 생각합니다.

@gfursin : CUDA_CACHE_DISABLE 은 커널에 대한 NVIDIA의 자체 캐싱 메커니즘을 비활성화하는 효과가 있으므로 속도가 느려질뿐입니다 (물론 NVIDIA 기반 플랫폼에서). 그러나 캐시 프로파일 링에는 필요합니다.

@psyhtest- 내가 당신을 오해했기 때문에 당신의 메모에 감사드립니다-이상한 버그와 일시적인 해결 방법이라고 생각했습니다.) ...

@ naibaf7 현재 Windows 지원 상태는 어떻습니까? Windows 용 인텔 공간 엔진 지원 작업을 이미 시작 하셨는지 궁금합니다.

@gongzg 나는 이것을 테스트하기 위해 Intel 랩톱에서 Windows 환경을 설정하기 시작했지만 아직 그 이상을 얻지 못했습니다. 따라서 Intel 공간 엔진은 여전히 ​​Windows에서 컴파일 문제가 있지만 나머지는 작동합니다.

@ naibaf7 업데이트 주셔서 감사합니다. 그런 다음 Windows에서 내부 공간 엔진 문제를 해결할 내부 리소스가 있는지 확인합니다.

이 분기가 Windows 및 AMD GPU에서 작동합니까?

네, 그렇습니다. AMD GPU는 Windows와 Linux 모두에서 LibDNN으로 완벽하게 지원됩니다. 전체 Intel GPU 지원은 4 월 28 일에 이어집니다.

뿡 빵뀨
David, Intel GPU 용 Python에서 Windows OpenCL에 대한 지원이 준비되면 알려주시겠습니까? 테스트하고보고 할 몇 가지 사항이 있습니다.

@hillarycanas- 며칠 전에 Windows 10이 설치된 AMD에서 libDNN으로 Caffe의 OpenCL 버전을 컴파일하고 실행할 수 있음을 확인했습니다 (테스트를 위해 Radeon HD Graphics와 함께 꽤 오래된 AMD E1-2500 APU를 사용했습니다). http://tinyurl.com/k3dhsc2(AMD 검색)에서 성능 결과를 볼 수 있습니다.
CK 패키지 "lib-caffe-bvlc-opencl-libdnn-viennacl-universal"을 사용하여 Windows에서 Caffe를 컴파일하고 실행했습니다 (https://github.com/dividiti/ck-caffe/wiki/Installation#AMD_GPU 참조).

또 귀찮게해서 죄송합니다. 사용자 피드백 후 CK에서 Windows 용 Caffe 라이브러리 및 바이너리를 자동으로 패키징하는 지원을 추가했으며 이제 최소한의 설치로 다른 Windows 시스템에 Caffe CPU 및 OpenCL 버전을 설치하고 벤치마킹 할 수 있습니다.

$ pip install ck
$ ck pull repo --url=https://github.com/dividiti/ck-caffe
$ ck install package:lib-caffe-bvlc-master-cpu-bin-win
$ ck install package:lib-caffe-bvlc-opencl-libdnn-viennacl-bin-win
$ ck crowdbench caffe --env.CK_CAFFE_BATCH_SIZE=1

뿡뿡
이것은 대단합니다 :)
Caffe는 다음과 같이 쉽게 주류가 될 수 있습니다. :)

안녕하세요,

다음 위치에있는 caffe의 공식 OpenCL 브랜치를 실행 해 보았습니다.
내 Mac의 https://github.com/BVLC/caffe/tree/opencl 과 다음 하드웨어 세부 정보 :
모델명 : MacBook Pro
모델 식별자 : MacBookPro12,1
프로세서 이름 : Intel Core i5
프로세서 속도 : 2.7GHz
프로세서 수 : 1
총 코어 수 : 2
L2 캐시 (코어 당) : 256KB
L3 캐시 : 3MB
메모리 : 8GB
그래픽 : Intel Iris Graphics 6100 1536 MB

문제없이 분류 튜토리얼을 실행할 수 있습니다. 그러나 GPU 모드로 전환하고 net.forward ()를 실행하려고하면 커널이 매번 죽습니다. 이것은 OpenCL caffe의이 분기가 인텔 통합 그래픽 카드를 지원하지 않음을 의미합니까?

감사,

남자 이름

@saliltambe OpenCL 브랜치는 인텔 iGPU를 지원합니다. 대부분의 테스트는 Linux 시스템에서 이루어 지지만 Mac에서도 작동합니다. net.forward ()를 실행할 때 만난 특정 오류는 무엇입니까?

@gongzg 답장을 보내 주셔서 감사합니다. jupyter 노트북에서 실행할 때 다음과 같은 오류 메시지가 나타납니다. "커널이 종료 된 것 같습니다. 자동으로 다시 시작됩니다." 나는 매우 작은 배치 크기를 실행하고 있으므로 메모리 부족으로 인해 커널이 죽지 않는다고 생각합니다. 또한 caffe.set_mode_gpu ()를 사용하여 GPU 모드로 전환 할 때 오류가 발생하지 않습니다. net.forward ()를 실행할 때만 오류가 발생합니다.

뿡 빵뀨
좀 더 많은 정보가 필요합니다. 어떻게 컴파일 했습니까 (컴파일러 버전, Caffe 설정, 활성화 한 BLAS 라이브러리)?
./build/test/test_all.testbin 실행하거나 make runtest 를 실행할 수 있습니까 (Makefile을 사용한 경우)?

뿡 빵뀨
안녕하세요 fabian, 세부 정보는 다음과 같습니다.
-- 일반:
-버전 : 1.0.0
-힘내 : 알 수 없음
-시스템 : Darwin
-C ++ 컴파일러 : /Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/bin/c++

-릴리스 CXX 플래그 : -O3 -DNDEBUG -fPIC -Wall -std = c ++ 11 -DCMAKE_BUILD -Wno-sign-compare -Wno-uninitialized

-디버그 CXX 플래그 : -g -fPIC -Wall -std = c ++ 11 -DCMAKE_BUILD -Wno-sign-compare -Wno-uninitialized

• -빌드 유형 : 릴리스
• -BUILD_SHARED_LIBS : ON
• -BUILD_python : ON
• -BUILD_matlab : 꺼짐
• -BUILD_docs : ON
• -CPU_ONLY : 꺼짐
• -USE_OPENCV : ON
• -USE_FFT : 꺼짐
• -USE_LEVELDB : ON
• -USE_LMDB : ON
• -USE_NCCL : 꺼짐
• -ALLOW_LMDB_NOLOCK : 꺼짐
• -USE_HDF5 : ON

• 
  
  
  
  • -종속성 :
  
  
• -BLAS : 예 (vecLib)
• -부스트 : 예 (ver. 1.64)
• -글 로그 : 예
• -gflags : 예
• -protobuf : 예 (ver. 3.3.0)
• -lmdb : 예 (ver. 0.9.19)
• -LevelDB : 예 (ver. 1.20)
• -Snappy : 예 (ver. 1.1.4)
• -OpenCV : 예 (ver. 2.4.13.2)
• -CUDA : 아니오

• 
  
  
  
  • -파이썬 :
  
  
• -통역사 : /Users/stambe/anaconda/bin/python2.7 (ver. 2.7.13)
• -라이브러리 : /Users/stambe/anaconda/lib/libpython2.7.dylib (ver 2.7.13)
• -NumPy : /Users/stambe/anaconda/lib/python2.7/site-packages/numpy/core/include (버전 1.12.1)

• -문서화 :
• -Doxygen : 아니오
• -config_file :

• -- 설치:
• -설치 경로 : / Users / stambe / Programs / caffe-opencl / build / install

• -구성 완료

src / caffe / CMakeLists.txt의 CMake 경고 (dev) :

정책 CMP0022가 설정되지 않았습니다. INTERFACE_LINK_LIBRARIES는 링크 인터페이스를 정의합니다. 정책 세부 사항을 보려면 "cmake --help-policy CMP0022"를 실행하십시오. cmake_policy 명령을 사용하여 정책을 설정하고이 경고를 표시하지 않습니다.
대상 "caffe"에 LINK_INTERFACE_LIBRARIES 속성과 다른 INTERFACE_LINK_LIBRARIES 속성이 있습니다.

INTERFACE_LINK_LIBRARIES :
caffeproto; /usr/local/lib/libboost_system-mt.dylib; /usr/local/lib/libboost_thread-mt.dylib; /usr/local/lib/libboost_filesystem-mt.dylib; / usr / local / lib / libglog. dylib; /usr/local/lib/libgflags.dylib; $ <$> : / usr / local / lib / libprotobuf.dylib>; $ <$: /usr/local/lib/libprotobuf.dylib>; / usr / local / lib / libhdf5_cpp.dylib; /usr/local/lib/libhdf5.dylib; /usr/lib/libpthread.dylib; / usr / lib / libz .dylib; /usr/lib/libdl.dylib; /usr/lib/libm.dylib; /usr/local/lib/libhdf5_hl_cpp.dylib; /usr/local/lib/libhdf5_hl.dylib; / usr / local / lib / libhdf5_cpp.dylib; /usr/local/lib/libhdf5.dylib; /usr/lib/libpthread.dylib; /usr/lib/libz.dylib; /usr/lib/libdl.dylib; /usr/lib/libm.dylib ; /usr/local/lib/libhdf5_hl_cpp.dylib; /usr/local/lib/libhdf5_hl.dylib; /usr/local/lib/liblmdb.dylib; /usr/local/lib/libleveldb.dylib; / Applications / Xcode. app / Contents / Developer / Platforms / MacOSX.platform / Developer / SDKs / MacOSX10.12.sdk / System / Library / Frameworks / OpenCL.framework; opencv_core; opencv_highgui; opencv_imgproc; -lcblas; -framework Accelerate; / usr / local / lib / libboost_python-mt.dylib

LINK_INTERFACE_LIBRARIES :

caffeproto; /usr/local/lib/libboost_system-mt.dylib; /usr/local/lib/libboost_thread-mt.dylib; /usr/local/lib/libboost_filesystem-mt.dylib; / usr / local / lib / libglog. dylib; /usr/local/lib/libgflags.dylib; /usr/local/lib/libprotobuf.dylib; /usr/local/lib/libhdf5_cpp.dylib; /usr/local/lib/libhdf5.dylib; / usr / lib /libpthread.dylib;/usr/lib/libz.dylib;/usr/lib/libdl.dylib;/usr/lib/libm.dylib;/usr/local/lib/libhdf5_hl_cpp.dylib;/usr/local/lib/ libhdf5_hl.dylib; /usr/local/lib/libhdf5_cpp.dylib; /usr/local/lib/libhdf5.dylib; /usr/lib/libpthread.dylib; /usr/lib/libz.dylib; / usr / lib / libdl .dylib; /usr/lib/libm.dylib; /usr/local/lib/libhdf5_hl_cpp.dylib; /usr/local/lib/libhdf5_hl.dylib; /usr/local/lib/liblmdb.dylib; / usr / local / lib / libleveldb.dylib; /Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.12.sdk/System/Library/Frameworks/OpenCL.framework; opencv_core; opencv_highgui; opencv_imgproc;- lcblas; -framework 가속; /usr/local/lib/libboost_python-mt.dylib

make runtest -j8을 실행하면 다음 오류가 발생합니다.
stambe- osx : build stambe $ make runtest -j8
[1 %] 빌드 된 타겟 gtest
[2 %] 타겟 카페 프로토 구축
[71 %] 목표 카페 구축
[71 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_deconvolution_layer.cpp.o
[72 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_db.cpp.o
[73 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_eltwise_layer.cpp.o
[73 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_dummy_data_layer.cpp.o
[73 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_embed_layer.cpp.o
[73 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_euclidean_loss_layer.cpp.o
[73 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_filter_layer.cpp.o
[75 %] CXX 객체 빌드 src / caffe / test / CMakeFiles / test.testbin.dir / test_filler.cpp.o
/ Users / stambe / Programs / caffe-opencl / src / caffe / test / test_db. cpp : 23 : 27 : 오류 : 선언되지 않은 사용
식별자 'EXAMPLES_SOURCE_DIR'
root_images_ (string (EXAMPLES_SOURCE_DIR) + string ( "images /")) {}

설치에 문제가 있습니까? CPU에서 caffe를 실행하는 데 문제가 없음을 유의하십시오.

감사,
남자 이름

주어진 포인터와 리드 덕분에 다음 사양을 가진 두 개의 개별 컴퓨터에서 Caffe OpenCL을 성공적으로 빌드하고 실행할 수있었습니다.

(ㅏ)

• CPU : 인텔 i7-7567U 3.5GHz
• iGPU : 인텔 Iris Plus 650
  (비)
• CPU : 인텔 i7-4930K 3.4GHz
• GPU : NVIDIA Geforce GTX 650

AlexNet, ResNet50 및 ResNet152를 (A)와 (B) 모두에서 문제없이 실행할 수 있습니다. 내가 가진 유일한 문제는 (A)의 ResNets에서 일괄 처리 하는 것입니다. 예측 된 클래스가 올바르지 않습니다. 문제는 (A)에서만 발생하고 ResNets의 배치 프로세스에서만 발생하므로 근본 원인은 LibDNN, 특히 인텔의 공간 커널에서 비롯 될 수 있다고 생각합니다. 인텔 엔진을 비활성화 할 수 있지만 지금은 너무 만족스러운 속도를 얻지 못합니다.

이것에 대한 더 많은 조언과 단서가 있습니까? 미리 감사드립니다.

@gongzg 공간 커널이 일괄 처리에 문제가있는 이유에 대한 포인터가 있습니까?

@ naibaf7 현재 공간 컨볼 루션 엔진에 몇 가지 버그가 있으며 아직 해당 PR을 업스트림 OpenCL 브랜치에 제출할 시간이 없습니다. 그 이유 중 하나는 현재의 모든 작업이 FP16 PR에 의존하기 때문에 FP16 패치가 검토되고 병합되기를 기다리고 싶습니다. 지금은 @jstumpin 을 추천하여 github.com/01org/caffe의 추론 최적화 브랜치를 사용해 문제가 해결되었는지 확인하고 싶습니다. 해당 위키 페이지는 Intel OpenCL caffe wiki에 있습니다.

@jstumpin resnet 에 레이어 융합을 적용하는 것이 더 좋으며 눈에 띄는 성능 향상을 볼 수 있습니다.

모든 곳에서 훌륭한 포인터 (및 뉴스). 전에 github.com/01org/caffe에 대해 들어 봤지만 Windows 배포를해야했기 때문에 그다지 예민하지 않았습니다. [(A)에 지정된 사양]을 받고 있습니다.

1. AlexNet
   
   
   
   • 110 개 이미지 / 초, 164 개 이미지 / 초 (배치 = 15)
   
   
2. ResNet50
   
   
   
   • 11 개 이미지 / 초, 14 개 이미지 / 초 (배치 = 5)
   
   
3. ResNet152
   
   
   
   • 5 개 이미지 / 초, 6 개 이미지 / 초 (배치 = 2)
   
   

다음은 Intel 공간이 없습니다.

1. AlexNet
   
   
   
   • 113 개 이미지 / 초, 114 개 이미지 / 초 (배치 = 15)
   
   
2. ResNet50
   
   
   
   • 9 개 이미지 / 초, 14 개 이미지 / 초 (배치 = 5)
   
   
3. ResNet152
   
   
   
   • 5 개 이미지 / 초, 6 개 이미지 / 초 (배치 = 2)
   
   

완전성을 위해 OpenCV 3.3.0 및 Caffe의 CPU 전용 (Intel MKL을 사용하면 모두)에 대해 벤치마킹했습니다. 네트워크 토폴로지에 관계없이 CPU 만 사용하면 안됩니다. GPU 메모리가 제한되어 있으므로 네트워크 복잡성이 시스템 (B)과 공평하게 증가함에 따라 배치 크기를 줄입니다. 게다가 실험 한 배치 크기를 넘어서는 어떤 이득도 관찰되지 않았습니다. BTW, (B)는 실제로 처음 광고 된 Geforce가 아닌 NVIDIA Quadro K4200을 갖추고 있습니다 (배포를 위해 (B)를 목표로하고 있기 때문에 어쨌거나 상관이 없습니다).

할 것:
[1] 추론 최적화 브랜치에서 Caffe 재 구축
[2] 레이어 융합 적용 및 성능 재평가

감사!

@jstumpin , inference-optimzie branch는 Windows도 지원합니다. 코드를 복제 할 때 README에서 Windows에서 빌드하는 방법을 확인하세요. 문제를 발견하면 거기에서 티켓을여십시오.

@gongzg 예 FP16의 검토 및 리팩터링이 진행 중입니다.

레이블이 정확하지만 예측 값이 1을 초과하는 이유는 무엇입니까? 이는 Intel 공간을 사용하거나 사용하지 않고 OpenCL을 사용할 때 적용됩니다 (CPU 만 사용하는 것이 좋습니다). 소프트 맥스의 출력은 확률 적이어야하지 않습니까?

인텔 NUC에서 최신 OpenCL 브랜치를 시도하고 있습니다. 하드웨어는

• Intel Core i7-7567U CPU @ 3.5GHz
• 인텔 Iris Plus 그래픽 650
• Windows 10 Pro
• Visual Studio 14 2015 Win64

Caffe 폴더와 평행 한 폴더에 최신 viennacl을 복제했습니다. 그런 다음 수정하지 않고 scripts/build_win.cmd 를 실행합니다 (수정할 필요가 없음을 확인 했으므로). 그러나 위의 모든 논의에서 발견되지 않은 이상한 오류가 발생합니다. 아래 출력을 참조하십시오. 거기에 가기 전에 한 가지 더 많은 정보는 내가 windows 브랜치를 성공적으로 구축했다는 것입니다.

다음은 build_win.cmd 의 출력입니다. 누군가 나를 도울 수 있다면 정말 감사합니다!

===============================

c : \ DL \ caffe \ scripts> build_win.cmd
시스템이 지정된 드라이브를 찾을 수 없습니다.
시스템이 지정된 드라이브를 찾을 수 없습니다.
정보 : =============================================== ============
정보 : 요약 :
정보 : =============================================== ============
정보 : MSVC_VERSION = 14
정보 : WITH_NINJA = 0
정보 : CMAKE_GENERATOR = "Visual Studio 14 2015 Win64"
정보 : CPU_ONLY = 0
정보 : USE_CUDA = 0
정보 : CUDA_ARCH_NAME = 자동
정보 : USE_CUDNN = 0
정보 : USE_GREENTEA = 1
정보 : USE_LIBDNN = 1
정보 : USE_OPENMP = 0
정보 : USE_INDEX64 =
정보 : USE_INTEL_SPATIAL = 0
정보 : DISABLE_DEVICE_HOST_UNIFIED_MEMORY = 0
정보 : CMAKE_CONFIG = 릴리스
정보 : USE_NCCL = 0
정보 : CMAKE_BUILD_SHARED_LIBS = 0
정보 : PYTHON_VERSION = 2
정보 : BUILD_PYTHON = 1
정보 : BUILD_PYTHON_LAYER = 1
정보 : BUILD_MATLAB = 0
정보 : PYTHON_EXE = "python"
정보 : RUN_TESTS = 0
정보 : RUN_LINT = 0
정보 : RUN_INSTALL = 0
정보 : =============================================== ============
-Windows 10.0.15063을 대상으로하는 Windows SDK 버전 선택.
-C 컴파일러 식별은 MSVC 19.0.24215.1입니다.
-CXX 컴파일러 식별은 MSVC 19.0.24215.1입니다.
-작동하는 C 컴파일러 확인 : C : / Program Files (x86) / Microsoft Visual Studio 14.0 / VC / bin / x86_amd64 / cl.exe
-작동중인 C 컴파일러 확인 : C : / Program Files (x86) / Microsoft Visual Studio 14.0 / VC / bin / x86_amd64 / cl.exe-작동 함
-C 컴파일러 ABI 정보 감지
-C 컴파일러 ABI 정보 감지-완료
-작동하는 CXX 컴파일러 확인 : C : / Program Files (x86) / Microsoft Visual Studio 14.0 / VC / bin / x86_amd64 / cl.exe
-작동중인 CXX 컴파일러 확인 : C : / Program Files (x86) / Microsoft Visual Studio 14.0 / VC / bin / x86_amd64 / cl.exe-작동 함
-CXX 컴파일러 ABI 정보 감지
-CXX 컴파일러 ABI 정보 감지-완료
-CXX 컴파일 기능 감지
-CXX 컴파일 기능 감지-완료
-PythonInterp 발견 : C : /Users/NUC-Sonavex/AppData/Local/Programs/Python/Python35/python.exe (적합한 버전 "3.5.3"발견, 최소 요구 사항 "2.7")
-pthread.h 찾기
-pthread.h 찾기-찾을 수 없음
-찾은 스레드 : TRUE
-부스트 버전 : 1.61.0
-다음 Boost 라이브러리를 찾았습니다.
-시스템
-실
-- 파일 시스템
-크로노
-- 날짜 시간
-원자
-발견 된 GFlags : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include
-gflags 발견 (포함 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include, 라이브러리 : gflags_shared)
-Glog 발견 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include
-glog 발견 (포함 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include, 라이브러리 : glog)
-Protobuf 발견 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/bin/protoc.exe (버전 "3.1.0"발견)
-PROTOBUF 컴파일러 발견 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/bin/protoc.exe
-LMDB 발견 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include
-lmdb 발견 (포함 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include, 라이브러리 : lmdb)
-찾은 LevelDB : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include
-LevelDB 발견 (포함 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include, 라이브러리 : leveldb)
-ZLIB를 찾았습니다. .1.0 / libraries / lib / caffezlibd.lib ( "1.2.8"버전 발견)
-Snappy를 찾았습니다 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include
-Snappy를 찾았습니다 (포함 : C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/include, 라이브러리 : snappy_static; optimized; C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1 .1.0 / libraries / lib / caffezlib.lib; debug; C : /Users/NUC-Sonavex/.caffe/dependencies/libraries_v140_x64_py35_1.1.0/libraries/lib/caffezlibd.lib)
--CUDA가 비활성화됩니다. 그것없이 건물 ...
-발견 된 ViennaCL은 다음을 포함합니다 : C : / DL / viennacl
CMake 오류 :이 프로젝트에서 다음 변수가 사용되지만 NOTFOUND로 설정되어 있습니다.
설정하거나 CMake 파일에서 올바르게 설정되고 테스트되었는지 확인하세요.
OPENCL_INCLUDE_DIRS
디렉터리 C : / DL / caffe / scripts / build / CMakeFiles / CMakeTmp의 포함 디렉터리로 사용
_OPENCL_64_LIBRARIES
C : / DL / caffe / scripts / build / CMakeFiles / CMakeTmp 디렉터리의 "cmTC_7259e"대상으로 연결

cmake / Modules / FindOpenCL에서 CMake 오류. cmake : 106 (TRY_COMPILE) :
테스트 프로젝트 빌드 시스템을 구성하지 못했습니다.
호출 스택 (가장 최근 호출부터) :
cmake / Modules / FindViennaCL. cmake : 37 (find_package)
cmake / 종속성. cmake : 116 (find_package)
CMakeLists. txt : 127 (포함)

-구성 불완전, 오류 발생!
"C : /DL/caffe/scripts/build/CMakeFiles/CMakeOutput.log"를 참조하십시오.
"C : /DL/caffe/scripts/build/CMakeFiles/CMakeError.log"를 참조하십시오.
오류 : 구성 실패

@ bxk-sonavex 위에서 언급했듯이 일부 Intel 특정 패치는 검토 및 병합되지 않았으므로 github.com/01org/caffe inference-optimize 브랜치를 사용해보십시오. 인텔 플랫폼에 대한 자세한 지침은 다음 위키를 참조하십시오.
https://github.com/01org/caffe/wiki/clCaffe

@gongzg Intel OpenCL 구현의 일부가 Windows에서 작동하지 않는 경우 도움이되지 않을 수 있습니다. 하지만 아시다시피 작업 중입니다. :)

@ naibaf7 Windows의 Intel iCPU에서이 분기가 전혀 작동하지 않음을 의미합니까? 그렇다면 Intel iGPU를 사용하는 Windows에서 OpenCL을 지원하는 Caffe 버전은 어디에서 찾을 수 있습니까?

@gongzg Intel iGPU를 사용하여 Windows에서 작업하도록 제안한

@ bxk-sonavex 작동하지만 Intel 회선에서는 작동하지 않으므로 최적의 성능이 아닙니다.
지금은 찾을 수 없다고 생각하지만 해결책을 찾고 있습니다.
문제는 OpenCL 헤더 누락과 더 관련이 있습니다. 어떤 OpenCL을 설치 했습니까? 인텔 SDK?

@ naibaf7 예, Intel SDK v6.3을 사용하고 있습니다. 여기에서 해결 방법을 찾았으며 (https://github.com/BVLC/caffe/issues/5575) 저에게 효과적입니다. 이제 opencl 브랜치를 컴파일했습니다. 또한 examples 폴더에 제공된 mnist 예제를 사용하여 빌드를 테스트했습니다. CPU 사용시 (lenet_solver.prototxt 수정) train_lenet은 문제없이 실행되었으며 최종 훈련 정확도는 예상대로 0.9902입니다.

I1107 13 : 53 : 43.139747 3512 솔버. cpp : 421 ] 테스트 넷 출력 # 0 : 정확도 = 0.9902
I1107 13 : 53 : 43.139747 3512 솔버. cpp : 421 ] 테스트 넷 출력 # 1 : 손실 = 0.0277191 (* 1 = 0.0277191 손실)

그러나 GPU를 사용할 때 "caffe.exe가 작동을 멈췄습니다."라는 오류 메시지가 나타나고 정확도는 0.1009에 불과합니다.

I1107 14 : 11 : 15.651798 7872 솔버. cpp : 421 ] 테스트 넷 출력 # 0 : 정확도 = 0.1009
I1107 14 : 11 : 15.651798 7872 솔버. cpp : 421 ] 테스트 넷 출력 # 1 : 손실 = 87.31 (* 1 = 87.31 손실)

무슨 일이 있었는지에 대한 단서를 좀 주실 수 있나요? 그것을 해결하는 방법? 아니면 @gongzg가 언급 한 것입니까?

Intel OpenCL 구현의 일부가 Windows에서 작동하지 않는 경우 도움이되지 않을 수 있습니다. 하지만 아시다시피 작업 중입니다. :)

기본 build_win.cmd 에서 수정 한 장소는 다음과 같습니다.

set WITH_NINJA=1 
set CMAKE_BUILD_SHARED_LIBS=1 
set PYTHON_VERSION=3 
set RUN_INSTALL=1

USE_INTEL_SPATIAL 설정해야합니까?

USE_INTEL_SPATIAL = 1로 설정하면 분기를 컴파일 할 수 없습니다. 오류는

ninja : 빌드 중지됨 : 하위 명령이 실패했습니다.

@ naibaf7 01org 버전은 이제 Windows에서 잘 작동합니다. 아직 다른 일로 바쁘기 때문에이 OpenCL 브랜치에 모든 수정 사항을 제출할 시간이 충분하지 않습니다. 가까운 장래에 시간이 있으면 그렇게 할 것입니다. @ bxk-sonavex 위키 페이지를 따라 01org 버전을 사용해 볼 수 있으며, 문제가 발생하면 알려주세요.

@gongzg 감사합니다! https://github.com/01org/caffe/wiki/clCaffe#windows -support-for-intel-gen-platform의 지침에 따라 오류 메시지가 나타납니다.

fatal error C1083: Cannot open include file: 'caffe/proto/caffe.pb.h': No such file or directory

참고 :
https://github.com/ptillet/isaac.git 은 NVIDIA 하드웨어와 만 호환되며 컴파일 할 수도 없으므로 https://github.com/intel/isaac를 복제합니다

최신 정보:
다음을 통해 수동으로 파일 생성

build\libraries\bin\protoc.exe src\caffe\proto\caffe.proto --cpp_out=.\

아마도 파일은 자동으로 생성되어야합니다.

그런 다음 다음 오류가 발생했습니다.

"C:\DL\clCaffe\build\src\caffe\test\runtest.vcxproj" (default target) (1) ->
(CustomBuild target) ->
  C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\Microsoft.CppCommon.targets(171,5): error MSB6006: "cmd.exe" exited with code -1073741515. [C:\DL\clCaffe\build\src\caffe\test\runtest.vc
xproj]

    2345 Warning(s)
    1 Error(s)

Time Elapsed 00:03:55.08
ERROR: Tests failed

RUN_TESTS 중지 및 세 번째 빌드 ...

@ bxk-sonavex 이미 성공적으로 구축 된 것 같습니다. dll 파일을 실행 파일의 디렉토리에 복사해야합니다.
"
빌드가 성공적으로 완료된 후 응용 프로그램을 실행하기 전에 dl.dll (dlfcn) 및 isaac.dll (isaac)을 동일한 디렉터리에 복사하거나 시스템 디렉터리에 넣어야합니다.
"

@gongzg 테스트 폴더에 복사하는 대신 시스템 경로에 두 dll의 폴더를 추가했습니다. 이제 매우 심각한 또 다른 오류가 발생했습니다 ...

"C:\DL\clCaffe\build\src\caffe\test\runtest.vcxproj" (default target) (1) ->
(CustomBuild target) ->
  CUSTOMBUILD : Fatal error : Intel iGPU device found but doesn't support cl_intel_subgroups_short. [C:\DL\clCaffe\build\src\caffe\test\runtest.vcxproj]

    2333 Warning(s)
    1 Error(s)

Time Elapsed 00:05:41.97
ERROR: Tests failed

Intel Iris Plus Graphics 650 및 intel_sdk_for_opencl_setup_6.3.0.1904를 사용하고 있습니다. 어떤 생각과 해결책이 있습니까?

@ bxk-sonavex Intel Graphics 드라이버를 최신 버전으로 업데이트해야합니다.

@gongzg 감사합니다, 컴파일 오류를 해결했습니다. 테스트를 실행할 때 다음과 같은 오류가 많이 발생했습니다. (모두 포착하지 못할 수도 있음)

C:\DL\clCaffe\src\caffe\test\test_argmax_layer.cpp(132): error : Expected: (bottom_data[i * dim + j]) <= (max_val), actual: -0.402832 vs -0

C:\DL\clCaffe\src\caffe\test\test_convolution_layer_spatial.cpp(735): error : The difference between top_data[i] and ref_top_data[i] is 1.8
077674604790599e+28, which exceeds delta, where [C:\DL\clCaffe\build\src\caffe\test\runtest.vcxproj]
  top_data[i] evaluates to -1.8077674604790599e+28,
  ref_top_data[i] evaluates to 7.1034564971923828, and
  delta evaluates to 9.9999997473787516e-05.

C:\DL\clCaffe\src\caffe\test\test_convolution_layer_spatial.cpp(735): error : The difference between top_data[i] and ref_top_data[i] is 1
.803808228419822e+28, which exceeds delta, where [C:\DL\clCaffe\build\src\caffe\test\runtest.vcxproj]

    2418 Warning(s)
    17672 Error(s)

Time Elapsed 00:10:25.65
ERROR: Tests failed

이러한 오류를 염려해야합니까?

어쨌든 mnist 예제를 사용하여 빌드를 테스트하고 있습니다. 심지어 훨씬 느린 원래 CAFFE 사용하여 CPU에 비해 매우 느리다. 그리고 몇 가지 경고가 있습니다 (여러 번 반복됨)

warning: Linking two modules of different data layouts: '' is 'e-i64:64-v16:16-v24:32-v32:32-v48:64-v96:128-v192:256-v256:256-v512:512-v1024:1024' whereas '<origin>' is 'e-p:64:64:64-i1:8:8-i8:8:8-i16:16:16-i32:32:32-i64:64:64-f32:32:32-f64:64:64-v16:16:16-v24:32:32-v32:32:32-v48:64:64-v64:64:64-v96:128:128-v128:128:128-v192:256:256-v256:256:256-v512:512:512-v1024:1024:1024-n8:16:32:64'

warning: Linking two modules of different target triples: ' is 'spir64' whereas '<origin>' is 'vISA_64'

어떤 생각?

@ bxk- 소나 벡스

당분간 리눅스에서 caffe를 실행하지 않는 이유는 무엇입니까? 내가 생각하기에 개발자는 FP16, INT8 코드 등이 특히 naibaf7 (david)을 원활하게 실행하는 데 더 중점을 둡니다.

적절한 창 지원은 결국 올 것입니다.

그래도 제안입니다.

@atlury 나는 그것을 좋아한다! 하지만 우리의 시스템은 Windows 10 + Intel Iris입니다. Windows 지원이 언제 올지 알고 계십니까? 아니면 다른 DL 플랫폼이 작동합니까 (GPU 사용)?

@gongzg 성능을 업데이트하고 싶습니다.
CPU : 7 분 33 초, 정확도 = 0.9914
GPU : 29 분 34 초, 정확도 = 0.8406

Linux에서 성능이 무엇인지 궁금합니다. 그런 다음 Intel GPU (OpenCL)와 CPU를 사용하여 속도를 얼마나 높일 수 있는지에 대한 기본적인 아이디어를 얻을 수있었습니다. 감사!!

@ bxk- 소나 벡스

Ben이 opencl 커널을 활성화 했습니까? INTEL_SPATIAL을 사용해 보셨습니까?

@atlury "opencl 커널 활성화"란 무엇을 의미합니까? 예, 여기 지침 (https://github.com/01org/caffe/wiki/clCaffe#how-to-build)을 따르고 명령 줄에서 "set USE_INTEL_SPATIAL = 1"을 수행했습니다 (build_win.cmd 파일을 직접 수정하지 않음). ).

최신 정보:
정보 : =============================================== ============
정보 : 요약 :
정보 : =============================================== ============
정보 : MSVC_VERSION = 14
정보 : WITH_NINJA = 0
정보 : CMAKE_GENERATOR = "Visual Studio 14 2015 Win64"
정보 : CPU_ONLY = 0
정보 : USE_CUDA = 0
정보 : USE_CUDNN = 0
정보 : USE_GREENTEA = 1
정보 : USE_LIBDNN = 1
정보 : USE_OPENMP = 0
정보 : USE_INDEX64 =
정보 : USE_INTEL_SPATIAL = 1
정보 : USE_ISAAC = 1
정보 : CMAKE_CONFIG = 릴리스
정보 : USE_NCCL = 0
정보 : CMAKE_BUILD_SHARED_LIBS = 0
정보 : PYTHON_VERSION = 2
정보 : BUILD_PYTHON = 0
정보 : BUILD_PYTHON_LAYER = 0
정보 : BUILD_MATLAB = 0
정보 : PYTHON_EXE = "python"
정보 : RUN_TESTS = 1
정보 : RUN_LINT = 0
정보 : RUN_INSTALL = 1
정보 : =============================================== ============

@ bxk- 소나 벡스

Ben은 deploy.proto의 모든 컨볼 루션 레이어에 대해 INTEL_SPATIAL을 포함해야합니다. 개인적으로 리눅스에서 실시간으로 테스트했습니다.

https://github.com/BVLC/caffe/pull/5165

"저는 Intel TV 스틱, Intel Spatial 커널을 사용하고 19-layer vgg 모델을 사용하는 웹캠에서 테스트했습니다. 실시간 분류가 가능하며 모두 3.5 와트 미만입니다."

Windows도 작동합니다.

01org 버전의 문제에 대해서는 @ bxk-sonavex에서 문제를여십시오. 중요하지 않은 그래디언트 테스트 케이스에서 FP16 정밀도 문제로 인해 일부 테스트 실패가 있습니다. 자동 조정으로 인해 발생해야하는 성능이 매우 느립니다. 다시 실행하면 훨씬 빨라집니다. 먼저 빌드 / 도구 / 카페를 사용하여 AlexNet의 전진 성능을 측정 할 수 있습니다.

그건 그렇고, 방금 @CNugteren이 며칠 전에 자동 튜닝 된 CLBlast 라이브러리의 새로운 1.2.0 버전을 출시했음을

관심이 있다면 다음과 같이 SqueezeDet에서 LibDNN 및 CLBlast를 사용하여 Caffe의 속도를 확인할 수 있습니다 (Windows 및 Linux에서 동일한 절차).

$ pip install ck
$ ck pull repo --url=https://github.com/dividiti/ck-caffe
$ ck install package:lib-caffe-bvlc-opencl-libdnn-clblast-universal-20171015

CK가 환경과 컴파일러를 감지하기 때문에 시간이 좀 걸립니다.
그런 다음 컴퓨터에 필요한 모든 종속성을 다시 빌드합니다.

그 후에 SqueezeDet을 설치하고 내부 시간을 실행할 수 있습니다.

$ ck install package:caffemodel-deepscale-squeezenet-1.1
$ ck run program:caffe --cmd_key=time_gpu

첫 번째 실행은 커널 컴파일 및 캐싱으로 인해 약간 느릴 수 있으므로 두 번째 실행은 훨씬 빠릅니다!

이미지 분류를 벤치마킹 할 수도 있습니다.

$ ck pull repo:ctuning-datasets-min
$ ck run program:caffe --cmd_key=classify

Intel과 관련이 없지만 Android GCC 4.9.x를 사용하여 Android ARM64 용 CLBlast 1.2.0으로 Caffe를 컴파일 할 때 사소한 버그가있는 것 같습니다 ( "to_string"은 std 클래스에서 찾을 수 없음).

$ ck install package:lib-caffe-bvlc-opencl-libdnn-clblast-universal-20171015 --target_os=android21-arm64 --env.DISABLE_DEVICE_HOST_UNIFIED_MEMORY=ON
$ ck compile program:caffe-time-opencl --target_os=android21-arm64
$ ck run program:caffe-time-opencl --target_os=android21-arm64

CLBlast 1.1.0은 Android에서 잘 작동하므로 수정하면 좋을 것입니다.이 경우 모든 플랫폼에서 Caffe와 함께 작동합니다.

도움이 되었기를 바라며 즐거운 주말 보내세요!

Android GCC 4.9.x를 사용하여 Android ARM64 용 CLBlast 1.2.0으로 Caffe를 컴파일 할 때 사소한 버그가있는 것 같습니다 ( "to_string"은 std 클래스에 없음).

이것이 CLBlast 또는 Caffe의 버그인지 확실하지 않습니까? 어쨌든 CLBlast는 특별한 Android 헤더 에이를 구현했습니다. 아마도 그것은 Caffe 내에서도 사용될 수 있습니까?

@CNugteren- 방금 확인

@gfursin CPU 또는 GPU (OpenCL)를 사용하는 버전입니까? 나는 OpenCL이 아직 Windows에서 작동하지 않는다고 말하고 있다고 생각했습니다 (또는 적어도 Intel iGPU에서는 아직 작동하지 않습니다). Windows에서 무엇을 사용하고 있습니까?

@ bxk- 소나 벡스

응답이 지연되어 죄송합니다. 난 멀리 있었어.

@ naibaf7을 인용하려면
"컨볼 루션 방법 ("엔진 ")은 네트워크 prototxt 파일에서 선택하거나 덮어 쓸 수 있습니다."

따라서 모든 컨볼 루션 계층 사양에 "engine : INTEL_SPATIAL"항목을 추가합니다.

AlexNet을 예로 들어 $ CAFFE_ROOT / models / bvlc_alexnet / train_val.prototxt 파일을 편집하고 다음 줄을 추가하여 공간 컨볼 루션을 사용하여 계산할 conv1 레이어를 만듭니다. 마찬가지로 다른 레이어 변경

 layer {
   name: "conv1"
   type: "Convolution"
   bottom: "data"
   top: "conv1"
   param {
     lr_mult: 1
     decay_mult: 1
   }
   param {
     lr_mult: 2
     decay_mult: 0
   }
   convolution_param {
     num_output: 96
     kernel_size: 11
     stride: 4
     engine: INTEL_SPATIAL      <-------------------------- this line!
     weight_filler {
       type: "gaussian"
       std: 0.01
     }
     bias_filler {
       type: "constant"
       value: 0
     }
   }
 }

편집 : 내 잘못은 당신이 다른 스레드를 열었고 조금 더 진행된 것 같습니다.

@ bxk-sonavex-Intel Spatial이없는 ​​오래된 Intel 4400 GPU가있는 Windows에서 Caffe OpenCL 버전 (libDNN 및 CLBlast 포함)을 사용합니다. 잘 작동하는 것 같지만 차선책 일 수 있습니다. 다음은 Caffe 장치 목록입니다 ( "ck run program : caffe --cmd_key = query_gpu_opencl") :
output_caffe_opencl_devices.txt

다음은 위의 Caffe OpenCL 버전 및 GoogleNet을 사용하는 Windows의 이미지 분류 결과입니다.
output_caffe_opencl_image_classification.txt

저는 주로이 단계에서 추론 / 객체 감지를 확인합니다 (가능한 모든 플랫폼에서 DNN 설치, 벤치마킹 및 최적화를 통합하려고합니다). 그래서 OpenCL을 사용하는 Windows에서 다른 Caffe 기능과 모델을 실제로 강조하지 않았습니다.

또한 Intel Spatial ON ( "ck install package : lib-caffe-bvlc-opencl-libdnn-clblast-universal --env.USE_INTEL_SPATIAL = ON")을 사용하여 Caffe OpenCL을 컴파일하려고 시도했으며 동일한 2 개의 빌드 오류가 관찰되었습니다. @atlury에 의해 이전에보고 됨) :
output_caffe_build_error_with_intel_spatial.txt

Linux (Ubuntu 16.04)에서도 사용할 수있는 빌드 스크립트가 있습니까?. 컴파일하려고 할 때 오류가 발생합니다.

@rachithayp 지침을주의 깊게 따르십시오. 18.0x 시리즈에서도 작동합니다. 우리는 그것을 테스트했습니다.

안녕하세요 @rachithayp . Intel OpenCL이 Ubuntu 16.04에서 작동하도록하려면 커널을 패치해야 할 가능성이 있습니다. https://github.com/dividiti/ck-caffe/wiki/Installation#Intel_CPUGPU_Linux .

몇 주 전에 커널을 패치하지 않고 최신 Intel OpenCL을 사용하여 Ubuntu 18.04 (Intel GPU가있는 Lenovo T470p 노트북)에 Caffe의 OpenCL 브랜치를 구축했습니다.

$ sudo pip install ck

$ ck pull repo --url=https://github.com/ctuning/ck-caffe

$ ck install package:lib-caffe-bvlc-opencl-viennacl-universal --env.USE_INTEL_SPATIAL=ON --env.CAFFE_BUILD_PYTHON=ON

CK는 사용 가능한 컴파일러, OpenCL 라이브러리 및 기타 종속성을 감지하려고 시도하고 Caffe에 대해 cmake를 호출합니다. 빌드가 성공하면 CK virtual env를 사용하여 설치를 확인할 수 있습니다.

$ ck show env
$ ck virtual env --tags=lib,caffe
> python
import caffe

다음과 같이 샘플 이미지 분류를 시도 할 수도 있습니다.

$ ck compile program:caffe-classification-opencl --speed
$ ck run program:caffe-classification-opencl

행운을 빕니다.

cc @ ens-lg4 및 @psyhtest ...

@atlury 아래 cmake를 사용하여 컴파일 할 수있었습니다.
cmake .. -DUSE_CUDA = OFF -DBUILD_docs = 0 -DOPENCL_LIBRARIES = <> -DOPENCL_INCLUDE_DIRS = <>

그러나 INTEL_SPATIAL_ON으로 컴파일하려고하면 아래 오류가 발생합니다.
cmake .. -DUSE_GREENTEA = ON -DUSE_CUDA = OFF -DUSE_INTEL_SPATIAL = ON -DBUILD_docs = 0 -DOPENCL_LIBRARIES = <> -DOPENCL_INCLUDE_DIRS = <>

/ home / intel / Documents / caffe_src / opencl_caffe / src / caffe / libdnn / libdnn_conv_spatial. cpp : 19 : 1 : 오류 : 'LibDNNConvSpatial'이 유형의 이름을 지정하지 않습니다.
LibDNNConvSpatial:: LibDNNConvSpatial (LibDNNConvConfig 구성) {
^
/ home / intel / Documents / caffe_src / opencl_caffe / src / caffe / libdnn / libdnn_conv_spatial. cpp : 117 : 25 : 오류 : '<'토큰 앞에 이니셜 라이저가 필요합니다.
문자열 LibDNNConvSpatial:: generate_fw_defs () {

무엇이 잘못 될 수 있는지 아십니까?. 또한 opencl 브랜치에는 include / caffe / greentea 폴더가 없으므로 " https://github.com/01org/caffe "에서 복사했습니다.

헉헉
아래 장의 지침을 시도해 볼 수 있습니까? opencl caffe에 대한 우리의 다가오는 책에서 설치 장의 대략적인 부분입니다. 감사합니다 @ naibaf7

나는 그것이 약간의 빛을 던지고 당신의 opencl 카페 노력에 도움이되기를 바랍니다.

python-deep-learning-installation-chap.pdf

@ bxk-sonavex-Intel Spatial이없는 ​​오래된 Intel 4400 GPU가있는 Windows에서 Caffe OpenCL 버전 (libDNN 및 CLBlast 포함)을 사용합니다. 잘 작동하는 것 같지만 차선책 일 수 있습니다. 다음은 Caffe 장치 목록입니다 ( "ck run program : caffe --cmd_key = query_gpu_opencl") :
output_caffe_opencl_devices.txt

다음은 위의 Caffe OpenCL 버전 및 GoogleNet을 사용하는 Windows의 이미지 분류 결과입니다.
output_caffe_opencl_image_classification.txt

저는 주로이 단계에서 추론 / 객체 감지를 확인합니다 (가능한 모든 플랫폼에서 DNN 설치, 벤치마킹 및 최적화를 통합하려고합니다). 그래서 OpenCL을 사용하는 Windows에서 다른 Caffe 기능과 모델을 실제로 강조하지 않았습니다.

또한 Intel Spatial ON ( "ck install package : lib-caffe-bvlc-opencl-libdnn-clblast-universal --env.USE_INTEL_SPATIAL = ON")을 사용하여 Caffe OpenCL을 컴파일하려고 시도했으며 동일한 2 개의 빌드 오류가 관찰되었습니다. @atlury에 의해 이전에보고 됨) :
output_caffe_build_error_with_intel_spatial.txt

HD 4400이 CPU보다 caffe로 더 빨리 실행됩니까?
clCaffe를 컴파일하고 HD 5500에서 실행했지만 CPU (i3 5005U)보다 5 배 느립니다.
이유를 모르겠습니다.