楼主^#

 

 

1. 按顺序下载安装 halcon-18.11.1.0-windows 和 halcon-18.11.1.0-windows-deep-learning 
2. 打开并运行深度学习例程，如出现CUDA driver out_of_date, 则根据第3步更新显卡驱动。 
3. 下载并安装自己电脑NVIDIA GPU型号对应的最新显卡驱动。（安装时按默认即可） 
资源下载参考网站：https://www.nvidia.cn/Download/index.aspx?lang=cn 
GeForce GTX产品型号列表：https://www.geforce.cn/drivers/results/114445 
如GTX1050（计算容量2G）下载 417.22-desktop-win10-64bit-international-whql 
4. 若仍然不能运行，尝试下载最新的cudnn（一个用于深度神经网络的加速库）：cudnn-10.0-windows10-x64-v7.4.1.5，之后将其解压，把文件cudnn64_7.dll复制到D:\halcon18.11\bin\x64-win64\thirdparty将原来的cudnn64_7.dll覆盖掉。thirdparty文件夹是安装halcon-18.11.1.0-windows-deep-learning后才有的，cublas64_100.dll已是目前最新发CUDA版本，无需更新。 
cuDNN资源下载参考网站：https://developer.nvidia.com/cudnn 
CUDA资源下载参考网站：https://developer.nvidia.com/cuda-toolkit 
5. 若运行中出现内存问题（GPU计算容量造成的）： 
 
 
可将程序中变量BatchSize由本来的64改为40或者更小。该变量决定在训练或预测中一次能同时训练或预测多少个，值越大训练速度越快，也需要更大的GPU。（注：在halcon18版本中DL训练用到GPU，预测仅用到CPU，其中halcon18.11比halcon18.05多了目标检测和语义分割。） 
6. 在例程classify_pill_defects_deep_learning中有bug，gen_interactive_confusion_matrix函数中第274行GenParamName变量的赋值中将'display_buttons'改为'display_images'。不然在276行函数get_dl_classifier_image_results中执行出错。