DMLC深度機器學習框架MXNet的編譯安裝
http://www.cnblogs.com/simplelovecs/p/5145305.html
這篇文章將介紹MXNet的編譯安裝。
MXNet的編譯安裝分為兩步:
-
- 首先,從C++原始碼編譯共享庫(libmxnet.so for linux,libmxnet.dylib for osx,libmxnet.dll for windows)。
- 接著,安裝語言包。
1. 構建共享庫依賴
目標是構建共享庫檔案。
最小構建需求:
- 最新的支援C++ 11的C++編譯器,比如g++ >= 4.8,clang
- 一份BLAS庫,比如libblas,atlas,openblas,或者 intel mkl
可選庫:
CUDA Toolkit >= v7.0
以執行 nvidia GPUs- 需要 GPU 支援
Compute Capability >= 2.0
- 需要 GPU 支援
- CUDNN 加速 GPU computation (only CUDNN 3 is supported)
- opencv 進行影象的分段
2. Ubuntu/Debian上構建
安裝依賴:
1 2 |
sudo apt-get
update
sudo apt-get install -y
build-essential git libatlas-base-dev libopencv-dev |
構建MXNet:
1 2 3 4 |
git
clone --recursive https: //github .com /dmlc/mxnet
cd mxnet;
cp make /config .mk
.
make -j4
|
3. OSX上的構建
安裝依賴:
1 2 3 4 |
brew
update
brew
tap homebrew /science
brew
info opencv brew install opencv
|
構建MXNet:
1 2 |
git
clone --recursive https: //github .com /dmlc/mxnet
cd mxnet; cp make /osx .mk
. /config .mk; make -j4
|
4. Windows上的構建
Windows上,已經提供好預構建好的安裝包,可以通過 https://github.com/dmlc/mxnet/releases 下載。下載之後,解壓並執行目錄下的 setupenv.cmd 命令即可安裝設定好環境。之後,即可編譯執行MXNet的C++程式,或者安裝Python包。
當然,你也可以自己編譯。
5. Python包的安裝
MXNet Python包的前提要求:python>=2.7
and numpy
可執行如下命令測試:
1 |
python
example /image-classification/train_mnist .py
|
或者, 假如在編譯的時候設定了USE_CUDA=1
,可以使用GPU 0 來訓練卷積神經網路。命令如下: