博客新址: http://blog.xuezhisd.top
邮箱：xuezhisd@126.com
综述
你可以在Amazon Linux, Ubuntu/Debian, OS X, 和 Windows等操作系统上运行MXNet。MXNet 也可以在 Docker 和类似于AWS的云上运行。MXNet现在支持的语言包括：Python, R, Julia 和 Scala等。
配置MXNet的详细指南：
- 使用 Docker 安装 MXNet
- 云 (AWS AMI) 上安装MXNet
- Ubuntu 上安装 MXNet
- Amazon Linux上安装 MXNet
- OS X (Mac) 上安装 MXNet
- Windows 上安装 MXNet
本节也包含了以下内容：
- 使用 MXNet 的依赖环境
- 常见的安装问题
- 从源代码构建依赖库
如果你遇到关于安装MXNet的问题，并且无法在 常见的安装问题 上找到解决方法，请在 mxnet/issues 提交问题。如果你已经解决了问题，请发送一个pull请求。更多信息，请查看 contribution guidelines。
依赖环境
本节列出了执行MXNet的最基本的依赖，使用GPU的依赖，和支持计算机视觉和图像增强的依赖。
注意： 配置所有的基本依赖（仅CPU）在各个操作系统安装MXNet的指南中描述。本节内容是针对于那些想配置可选依赖（GPU/MKL等）的高级用户。
最小依赖环境
必须安装下面的工具：
-
一个支持C++ 11 的C++编译器。C++编译器用于编译和构建MXNet的源代码。支持的编译器有：
-
一个线性代数计算库 BLAS (Basic Linear Algebra Subprograms)。BLAS库包含了关于向量和矩阵操作的函数，用于执行基本的线性代数操作。支持的BLAS库有：
-
Graphviz 用于可视化神经网络。
-
Jupyter Notebook 用于运行MXNet的例程和教程。
使用GPU的依赖环境
- 一个计算能力（Compute capability）大于 2.0 的英伟达显卡。计算能力描述了CUDA硬件支持哪种特性。关于每种计算能力支持特性的列表，请查看 CUDA Version features and specifications。关于NVIDIA显卡支持特性的列表，请查看 CUDA GPUs。
- CUDA 7.0 或更高版本。CUDA是一种允许MXNet在NVIDIA显卡上运行的环境。它包括编译器，数学函数库，调试工具。下载最新版本，请访问
CUDA 下载页面。 - CuDNN (CUDA Deep Neural Network)。通过提供低级（硬件级）GPU性能调节，来加速GPU计算。下载最新版本，请访问 CUDA Deep Neural Network.
使用计算机视觉和图像增强的依赖环境
如果你洗完支持计算机视觉和图像增强，你需要安装
OpenCV。开源计算机视觉库 (OpenCV) 包含了有关计算机视觉和图像增强方面的大量函数。更多信息，请查看 OpenCV。
从源代码构建依赖库
这一节介绍了如何从源代码构建MXNet的依赖库。这种方法对于以下2种情形很有用：
从源码构建GCC
从源码构建 GNU Complier Collection (GCC)，需要 32-bit libc。
- 使用下面的（和操作系统对应的）命令安装 libc：
sudo apt-get install libc6-dev-i386
sudo yum install glibc-devel.i686
sudo yum install glibc-devel.i386
sudo yum install glibc-devel.i686
- 运行下面的代码，下载和解压 GCC 源代码：
wget http://mirrors.concertpass.com/gcc/releases/gcc-4.8.5/gcc-4.8.5.tar.gz
tar -zxf gcc-4.8.5.tar.gz
cd gcc-4.8.5
./contrib/download_prerequisites
- 运行下面的代码，构建 GCC：
mkdir release && cd release
../configure --prefix=/usr/local --enable-languages=c,c++
make -j10
sudo make install
- 将 lib 路径添加到 ~/.bashrc 文件中：
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/lib64
从源码构建OpenCV
从源代码构建OpenCV，需要使用cmake库。
- 如果你没有安装cmake，或cmake的版本低于 3.6.1 (比如，RHEL上CMake默认版本)，执行下面的命令，安装新版本的cmake：
wget https://cmake.org/files/v3.6/cmake-3.6.1-Linux-x86_64.tar.gz
tar -zxvf cmake-3.6.1-Linux-x86_64.tar.gz
alias cmake="cmake-3.6.1-Linux-x86_64/bin/cmake"
- 运行下面的命令，下载和结业 OpenCV 源代码：
wget https://codeload.github.com/opencv/opencv/zip/2.4.13
unzip 2.4.13
cd opencv-2.4.13
mkdir release
cd release/
- 构建OpenCV。下面的命令构建不支持GPU的OpenCV，这可能让运行在GPU上的MXNet的速度降低很多。下面的命令也禁止了 1394，它可能会生成警告：
cmake -D BUILD_opencv_gpu=OFF -D WITH_CUDA=OFF -D WITH_1394=OFF -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8
sudo make install
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig/
常见的安装问题
本节给出了常见的安装问题的解决方法。
一般问题
信息： ImportError: No module named _graphviz
原因： Graphviz is not installed.
解决方法：
在Mac上，使用下面的命令安装 Graphviz
brew install graphviz
或者使用pip安装
brew install python
pip install graphviz
信息： RuntimeError: failed to execute [‘dot’, ‘-Tsvg’], make sure the Graphviz executables are on your systems’ path
原因： 没将Graphviz的可执行文件所在的目录放到系统路径中，程序不能使用Graphviz 来绘制网络图。
解决方法： 将Graphviz的可执行文件所在的目录放到系统路径中。
在Mac/Linux中，Graphviz安装在 - /usr/local/lib/graphviz/或 /usr/lib/graphviz/或 /usr/lib64/graphviz/；在Windows上，Graphviz安装在 - C:\Program Files (x86)\Graphviz2.38\bin。
注意： 如果你正在使用 Jupyter notebook，你可能需要重启kernel，以刷新系统目录和找到Graphviz可执行文件。
Mac OS X 错误
信息： link error ld: library not found for -lgomp
原因： OpenMP的GNU实现，没有在系统库路径中。
解决方法： 将 OpenMP的位置 添加到 库路径：
sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.locate.plist
locate libgomp.dylib
- 将OpenMP的位置添加到 库路径。注意将下面命令中的
path1替换成上一个命令的输出：
ln -s path1 /usr/local/lib/libgomp.dylib
make -j$(sysctl -n hw.ncpu)
R 错误
信息： Unable to load mxnet after enabling CUDA
解决方法： 如果你安装MXNet时打开了CUDA，但不能加载。将下面的2行添加到你的环境变量 $RHOME/etc/ldpaths：
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64:${LD_LIBRARY_PATH}
注意： 在命令行中使用命令 R.home()，可以查看环境变量 $RHOME。
下一步
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
