需要使用demon网络来跑深度图和相机位姿，其github上有详细的build教程，如下图所示：
但是由于使用的cuda版本以及虚拟环境管理方式不太一样（我是用conda管理的虚拟环境，然后cuda版本是10.0），所以在make的时候连着遇到几个问题（其实就算版本和作者的一模一样，还是会出现这些错误，因为我也试过了。配深度学习环境真是太麻烦了。），在此按照遇到问题的顺序依次记录一下。
详情：
fatal error: tensorflow/core/framework/op_kernel.h: 没有那个文件或目录
#include "tensorflow/core/framework/op_kernel.h"
^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
compilation terminated.
解决方法：链接
详情：
/home/jianping/anaconda3/envs/demon-env/lib/python3.5/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/Core:59:14: fatal error: math_functions.hpp: 没有那个文件或目录
#include
^~~~~~~~~~~~~~~~~~~~
compilation terminated.
CMake Error at lmbspecialops_generated_warp2d_cuda.cu.o.Release.cmake:220 (message):
Error generating
/home/jianping/workspace/demon/lmbspecialops/build/lib/CMakeFiles/lmbspecialops.dir//./lmbspecialops_generated_warp2d_cuda.cu.o
原因：
不同cuda版本，其某些文件存放的路径也不太一样。比如这里的math_functions.hpp文件，在cuda8.0下，其路径为：/usr/local/cuda-8.0/include/math_functions.hpp，而在cuda10.0里，其路径为：/usr/local/cuda-10.0/include/crt/math_functions.hpp。参考链接。
解决方法：
使用软链接，在终端执行命令sudo ln -s /usr/local/cuda/include/crt/math_functions.hpp /usr/local/cuda/include/math_functions.hpp即可。
详情：
/home/jianping/anaconda3/envs/demon-env/lib/python3.5/site-packages/tensorflow/include/tensorflow/core/platform/default/mutex.h:25:10: fatal error: nsync_cv.h: 没有那个文件或目录
#include "nsync_cv.h"
^~~~~~~~~~~~
compilation terminated.
CMake Error at lmbspecialops_generated_warp2d_cuda.cu.o.Release.cmake:220 (message):
Error generating
/home/jianping/workspace/demon/lmbspecialops/build/lib/CMakeFiles/lmbspecialops.dir//./lmbspecialops_generated_warp2d_cuda.cu.o
解决方法：
locate一下nsync_cv.h文件，可以发现它的路径是/home/jianping/anaconda3/envs/demon-env/lib/python3.5/site-packages/tensorflow/include/external/nsync/public/nsync_cv.h。而在第一个问题处，我们已经将tensorflow/include这个路径添加到cmakelists文件里了，也就是cmake是可以找到这个路径的，那么接下来的问题就是include时候路径没有告诉完整。方法就是，将tensorflow/core/platform/default/mutex.h里的
#include "nsync_cv.h" #include "nsync_mu.h"
改为：
#include "external/nsync/public/nsync_cv.h" #include "external/nsync/public/nsync_mu.h"
4. #error – unsupported GNU version! gcc versions later than 5 are not supported!
详情：
In file included from /usr/local/cuda/include/cuda_runtime.h:78:0,
from :0:
/usr/local/cuda/include/host_config.h:119:2: error: #error -- unsupported GNU version! gcc versions later than 5 are not supported!
#error -- unsupported GNU version! gcc versions later than 5 are not supported!
^~~~~
In file included from /usr/local/cuda/include/cuda_runtime.h:78:0,
from :0:
/usr/local/cuda/include/host_config.h:119:2: error: #error -- unsupported GNU version! gcc versions later than 5 are not supported!
#error -- unsupported GNU version! gcc versions later than 5 are not supported!
^~~~~
解决方法：链接
再make，就可以成功到100%了！make时候有个小tips，可以在最后添加参数-j来使用多线程make。比如make -j8就是使用8线程。
在执行cmake ..命令的时候，会很快速地输出一堆东西，没有明显的红色错误信息，如果你没有返回去仔细查看一下这一堆信息的话，很容易把它给忽略掉。而且问题还在于，如果你不管这个错误信息，直接继续编译下去的话，是可以成功编译好lmbspecialops的。但是在后面你使用tensorflow和这个包的时候，你还是会遇到这个错误的（亲身经历）。所以不将其解决也不是办法。报错信息如下：
-- Found PythonInterp: /home/jianping/anaconda3/envs/demon/bin/python (found version "3.5.6") Traceback (most recent call last): File "/home/jianping/anaconda3/envs/demon/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow.py", line 58, infrom tensorflow.python.pywrap_tensorflow_internal import * File "/home/jianping/anaconda3/envs/demon/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in _pywrap_tensorflow_internal = swig_import_helper() File "/home/jianping/anaconda3/envs/demon/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description) File "/home/jianping/anaconda3/envs/demon/lib/python3.5/imp.py", line 243, in load_module return load_dynamic(name, filename, file) File "/home/jianping/anaconda3/envs/demon/lib/python3.5/imp.py", line 343, in load_dynamic return _load(spec) importError: libcudnn.so.6: cannot open shared object file: No such file or directory
其实直接看这里的最后这行就可以了，意思是找不到libcudnn.so.6。这个文件到底代表着什么？这里的6，感觉是和某某的版本有关。其实就是字面意思，cudnn的版本。这段报错其实是我在cuda8.0环境下编译lmbspecialops报错的（上面一开始提到的cuda10.0是昨天的事了，然后当时给我报的错是libcudnn.so.8，后来修改了tensorflow版本什么的，弄得环境有点乱，于是我又重新建了一个和作者版本配置一样的虚拟环境，打算重新配环境）。这会儿我就很纳闷了，昨天用的cuda10.0，你给我报错libcudnn.so.8，今天换成cuda8.0，报错就变成了libcudnn.so.6。？？？（黑人问号）难不成我还要去试试cuda6.0？然后也许你还会给我报错libcudnn.so.4？（开玩笑的）。
其实这里的6和8，指的是cudnn的版本。由于作者并没有说明他使用的cudnn是什么版本，而cuda8.0既有cudnn6的，也有cudnn7的，然后7是比较新一些的。所以我当时安装好cuda8.0之后就直接下载了cudnn7版本的。而实际上，这里需要的是cudnn6。内鬼找到了，解决办法很简单，去cudnn官网下适用于cuda8.0的cudnn v6.0（2017年的，真的是有点古老了），如下图所示：
下好之后解压，使用这里头的文件去替换之前7版本的就可以了。如果不知道怎么替换，参考这里吧。修改好之后再次运行cmake ..的时候，就不会再出现这个错误了！
这个问题是编译好lmbspecialops要使用它的时候报错的。报错信息是：
'Cannot find lmbspecialops.so . Set the environment variable LMBSPECIALOPS_LIB to the path to lmbspecialops.so file') ValueError: Cannot find lmbspecialops.so . Set the environment variable LMBSPECIALOPS_LIB to the path to lmbspecialops.so file
找不到的这个文件在lmbspecialops目录下的/build/lib目录下。一开始我以为就是程序找不到so链接文件，于是尝试了很多方法，包括但不限于修改~/.bashrc文件、修改/etc/ld.so.conf文件然后sudo /sbin/ldconfig，甚至将该so文件拷贝到usr/lib和/lib路径下。但是，都无济于事。而实际上，这段报错信息是lmbspecialops.py文件里面的，该文件的第23～29行内容如下：
if 'LMBSPECIALOPS_LIB' in os.environ:
_lib_path = os.environ['LMBSPECIALOPS_LIB']
else: # try to find the lib in the build directory relative to this file
_lib_path = os.path.abspath(os.path.join(os.path.split(__file__)[0], '..', 'build', 'lib', 'lmbspecialops.so'))
if not os.path.isfile(_lib_path):
raise ValueError(
'Cannot find lmbspecialops.so . Set the environment variable LMBSPECIALOPS_LIB to the path to lmbspecialops.so file')
这里，os是python自带的一个包，os.environ可以用来获取与设置系统变量，一个比较好的讲解可以点击这里。上面的语句不难理解：如果系统变量中有定义了LMBSPECIALOPS_LIB这个变量，那么获取该变量值，然后检验其是否是需要的lmbspecialops.so文件；如果没有设置该变量，则自动构建lmbspecialops.so的文件路径。如果我们没有改变编译好的lmbspecialops的文件结构，那么就算我们没有设置LMBSPECIALOPS_LIB这个环境变量，自动构建的路径应该也是能找到lmbspecialops.so文件的。可是，它没找到。问题就出在，自动构建的相对路径…/build/lib/lmbspecialops.so中的…，在环境变量里头是不认的。所以这个自动构建路径根本就没用。那么还一个问题，我在前面不是试了很多方法去添加环境变量吗，为什么也没有用呢？因为这里作者又挖了个坑，一般我们添加环境变量都是到所需文件的路径而已，而作者这里，是要把文件名都加上！
上面已经把原因都说明了，所以解决方法就是，要么在添加名为LMBSPECIALOPS_LIB的环境变量时把文件名也加上，要么在文件内构建路径时，构建绝对路径而不是相对路径，这样就可以了。
