MXNET安装

本文详细介绍如何在Ubuntu 14.04环境下安装MXNet深度学习框架,并配置CUDA支持及Python环境。从安装依赖开始,逐步介绍安装过程,包括安装CUDA、配置MXNet编译选项、编译安装MXNet及Python支持。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Ubuntu 14

按照官方的说法安装:

装依赖

sudo apt-get update
sudo apt-get install -y build-essential git libblas-dev libopencv-dev

下载mxnet
git clone –recursive https://github.com/dmlc/mxnet
recursive参数,因为mxnet依赖于DMLC通用工具包http://dmlc.ml/,–recursive参数可以自动加载mshadow等依赖。这里暂时不要着急编译,我们还要装一下CUDA。

装CUDA(如果没有GPU可以跳过这一步)
这里提到的CUDA安装方法也适用于除MXnet之外的其他深度学习软件包。我们通过nVidia官方链接下载安装CUDA驱动和工具包,请前往 https://developer.nvidia.com/cuda-downloads 选择对应的安装方式。国内读者建议网络安装方式deb(network),这样ubuntu会选择就近的国内的源安装,速度可能比较快。

如果用ubuntu 14.04,不用去官网,直接运行以下这些命令也可以调用官网下载(安装包较大需要耐心等待):
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_7.5-18_amd64.deb

接着装它

sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda

支持GPU的MXnet
MXnet需要打开一个编译和链接选项来支持CUDA。在前一步git clone得到的mxnet/目录里找到mxnet/make/子目录,把该目录下的config.mk复制到mxnet/目录,用文本编辑器打开,找到并修改以下几行:

USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda

其中第二行是CUDA的安装目录。如果选择默认安装方式,它会在/usr/local/cuda或者是类似/usr/local/cuda-7.5这样的原始安装目录,如果是自定义目录的安装,请自行修改本条。

如果用户选择安装atlas或者openblas等其他BLAS的实现,需要额外的修改。如果ubuntu的atlas实现(sudo apt-get install libatlas-base-dev或者sudo apt-get install libopenblas-dev),需要修改为:

USE_BLAS = atlas 或者 openblas

编译mxnet
修改之后,在mxnet/目录下编译(-j4是可选参数表示用4线程编译):

make -j4

如果报错:cannot find -lcblas 就是没有装blas,apt-get install就行

python支持
如果要安装Python支持:

cd python
sudo apt-get install python-numpy python-setuptools
python setup.py install

setup之前需要安装setuptools和numpy

配置python环境变量
不配置环境变量的话,有可能会报“no module named mxnet”的错

gedit ~/.bashrc
export PYTHONPATH=~/mxnet/python

我这里的mxnet放在home里

不配python环境变量的用法
根据官方文档,如果不想改变系统配置可以这样

cp -r ~/mxnet/python/mxnet <path to your working directory>
cp ~/mxnet/lib/libmxnet.so <path to your working directory>/mxnet/

其中是你当前开发应用的目录,如果你已经在开发目录里,可以用以下命令

cp -r ~/mxnet/python/mxnet .
cp ~/mxnet/lib/libmxnet.so mxnet/

Windows

这里只讨论python的配置,因为我暂时只用python

  1. 下载
    首先到github上下载最新的MXNET,这里下载的是20150531的cpu版本
  2. 解压
    没啥说的
  3. 安装
    在mxnet/python 目录下, 运行cmd ,输入命令
    python setup.py install

  4. 设置环境变量
    运行解压目录下的setupenv设置环境变量,OK

<think>好的,我现在需要帮助用户找到MXNet在GitHub上的安装教程。首先,我应该回忆一下MXNet的相关信息。MXNet是一个深度学习框架,由Apache维护,用户可能需要在他们的系统上安装它。根据用户提供的引用内容,特别是引用[1]和引用[3],里面有提到MXNet安装步骤和GitHub仓库的位置。 引用[1]中的命令是关于安装MXNet的R包,包括使用Rscript安装依赖和构建包。这可能对需要R绑定的用户有用,但用户问的是GitHub上的安装教程,可能需要更通用的步骤。引用[3]提到了MXNet的GitHub仓库地址是dmlc/mxnet,不过现在可能已经迁移到Apache的仓库下,需要确认正确的URL。 接下来,我需要整理安装步骤。通常,GitHub上的项目会有README文件,其中包含安装说明。用户可能需要从源码构建MXNet,或者使用预编译的二进制文件。常见的步骤包括克隆仓库、安装依赖、编译安装等。此外,用户可能还需要选择不同的语言绑定,比如Python、R或Julia。 根据引用[1]中的R安装步骤,可以推断MXNet的R包安装需要一些特定命令,比如使用devtools安装依赖。而引用[3]提到MXNet正在发展,可能有更多的绑定和文档改进。因此,我应该建议用户查看GitHub仓库的最新文档,因为安装步骤可能会随着版本更新而变化。 还需要考虑用户的操作系统,不同的系统(如Linux、Windows、macOS)安装步骤可能不同。例如,Linux用户可能需要安装CMake、GCC等编译工具,而Windows用户可能使用预编译的二进制文件或者通过pip安装。 另外,用户可能希望使用Python,这时候可以直接用pip安装MXNet,但若需要从源码构建,则需要按照GitHub上的指南操作。需要提醒用户注意选择正确的分支或版本,以及安装必要的依赖库,如CUDA、cuDNN(如果使用GPU支持)。 最后,需要确保提供的GitHub链接是正确的。根据引用[3],原来的仓库是dmlc/mxnet,但现在Apache MXNet的官方仓库应该是apache/incubator-mxnet,所以需要更新链接,避免用户访问旧仓库。 总结步骤: 1. 访问MXNet的GitHub官方仓库。 2. 查看README中的安装说明。 3. 根据操作系统和需求选择安装方式(源码编译或预编译包)。 4. 安装依赖项。 5. 执行构建和安装命令。 6. 验证安装是否成功。 同时,用户可能需要参考官方文档或其他资源,如引用[1]中的R包安装步骤,或者引用[3]提到的应用案例。最后,生成相关问题,帮助用户深入了解MXNet安装和使用。</think>以下是MXNet在GitHub上的安装教程及关键步骤: ### 1. 访问MXNet的GitHub仓库 官方仓库地址为:https://github.com/apache/incubator-mxnet 在仓库的`README.md`和`docs`目录中,可以找到详细的安装指南[^3]。 ### 2. 安装方式选择 - **预编译包(推荐新手)** 使用Python可直接通过pip安装: ```bash pip install mxnet # CPU版本 pip install mxnet-cu102 # GPU版本(CUDA 10.2) ``` - **从源码编译(需自定义配置)** 克隆仓库后编译: ```bash git clone --recursive https://github.com/apache/incubator-mxnet cd incubator-mxnet make -j$(nproc) USE_OPENCV=1 USE_BLAS=openblas # 示例配置 ``` ### 3. 系统依赖安装 - **Ubuntu/Debian** ```bash sudo apt-get install build-essential cmake libopenblas-dev libopencv-dev ``` - **R语言绑定** 引用[1]中的命令可安装R包: ```bash Rscript -e "install.packages('devtools')" cd R-package && Rscript -e "install_deps()" ``` ### 4. 验证安装 Python环境下执行: ```python import mxnet as mx print(mx.__version__) # 应输出版本号如1.9.1 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值