ubuntu16.04 cuda8.0源码编译安装mxnet

最新推荐文章于 2019-11-15 12:12:07 发布
置顶 最新推荐文章于 2019-11-15 12:12:07 发布
阅读量2.5k 收藏 2
点赞数
文章标签： MXNet安装 Ubuntu16.04 Cuda8.0 Cudnn6.0
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_35457560/article/details/80487642
版权
本文详细记录了在Ubuntu16.04上源码编译安装MXNet的过程，包括安装NVIDIA驱动、CUDA8.0、Cudnn6.0，并最终成功验证MXNet的步骤。在安装CUDA和Cudnn时遇到了版本兼容问题，通过调整和解决，最终使用CUDA8.0和Cudnn6.0完成了MXNet的编译安装。

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

    4月份开始研究生生活。导师给安排的方向是基于深度学习的人脸识别。经过调研学习了face++、deepface、facenet之后，最后在Github上找了一个2018年的很新的开源项目——洞见实验室的InsightFace（论文、代码、数据集一整套全部公开）。附上知乎链接。环境要求是Linux和Python2.7。第一步就是安装MXNet，无奈服务器上只有TensorFlow，怎么办呢？慢慢摸索安装呗！总体来说有2种安装方式：（1）通过pip进行安装，优点是简单快捷，缺点是无法更改源文件中的设置，例如cuda、cudnn、openblas等。（2）通过源码编译安装，特点是好使但是麻烦。以下附上本人通过源码进行MXNet安装的血泪史：

1、安装NVIDIA驱动

    这一步很简单，网上有很多教程，一句话总结就是到官网下载你机器对应的驱动并安装。由于我这台服务器本身就下载好了驱动，只需输入以下代码查看即可：

$nvidia-settings

2、安装Cuda

    到

最低0.47元/天 解锁文章
qq_35457560
关注
ubuntu下caffe tensorflow opencv anaconda pytorch mxnet keras等深度学习框架软件的安装
xiao__run的博客
06-10 817
我在学习深度学习的过程中遇到了很多坑，刚开始时配置一个深度学习框架caffe需要一周，现在只需要一个小时。下面的这些网页给了我很大的帮助。希望也能给一些对深度学习感兴趣的同学一点帮助。 1.爆详细Ubuntu16.04,CUDA8.0,Caffe,OpenCV3.1,Theano,Tensorflow完全配置指南（Ubuntu16.04的编译器GCC默认是5.1，可能需要降级） http://...
【MXNet TX2】成功在TX2上编译MXNet源码，并使用GPU计算（踩坑与填坑）
穆友航的博客
08-03 2722
但是，当你尝试执行gpu计算任务时，会提示 no kernel image **之类的错误。如果你是已经make完，遇到这个问题（既然你与本文有缘，相信肯定是的啦~~）而这是很重要的一步，因为它应该符合TX2的计算能力才可以。最终，可以开始TX2上MXNet的开发之旅啦~~这是因为在官网配置教程下，没有涉及到设置。
ubuntu安装mxnet GPU版本
weixin_33912453的博客
04-26 975
安装mxnet GPUsudo pip install mxnet-cu80==1.1.0 推荐pip安装mxnet，土豪gpu版本： pip install mxnet-cu90==1.0.0 豪华至尊gpu+mkl版本 pip install mxnet-cu90mkl==1.0.0 (1)使用系统python验证，命令行中输入：python 1，cpu： from mxnet import ...
ubuntu16.04 mxnet
Keith
09-15 2196
最近一直在配置深度学习的几个框架，坑无限多，在这里记录一下配置mxnet的过程。 首先：安装依赖包 sudo apt-get update sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev 第二步：下载+编译 git clone --recursive https://github
Ubuntu 16.04 安装MXNet【GPU版本源代码安装】（OpenCV 3.0 + Python 2.7）
linzs.online
12-29 8788
前言：这两天给MXNet折腾够了，踩了一个又一个的坑，由于pip方式的安装很简单这里就不再讲述，遇到相关问题自己可以上网查下即可解决，这里推荐源代码安装，现在写下一些东西记录下来，希望能帮到大家。 环境：Ubuntu16.04+CUDA8.0（显卡的驱动安装和CUDA以及CUDNN的配置这里就不赘述） 1安装OpenCV 打开终端安装依赖项以及升级所有预安装包： sudo apt-get inst...
ubuntu 16.04 安装MXNet GPU
小鸡啄米
03-19 2611
安装MXNet for Ubuntu有两种方式。 方式一：安装预编译文件 pip install mxnet-cu80 方式二：编译源代码（默认已安装nvidia显卡驱动和cuda/cudnn） 1、下载mxnet Ctrl+Alt+t打开终端 git clone https://github.com/dmlc/mxnet.git --recursive 2、打开mxnet文件夹下的make文件夹...
ubuntu16.04安装cuda8.0
予非池物
01-24 6454
1.安装之前确认工作（参考下面博客的安装前确认工作） http://blog.csdn.net/ZWX2445205419/article/details/69429518 2.下载cuda8.0的run文件 https://developer.nvidia.com/cuda-80-ga2-download-archive 3.降低gcc和g++版本到5.0以下（可用4.9或者4.8版本的
Ubuntu16.04下安装多版本cuda和cudnn
热门推荐
tunhuzhuang1836的博客
03-13 2万+
Ubuntu16.04下安装多版本cuda和cudnn 前言 因为之前针对Pytorch，caffe，torch等，装了cuda8.0和对应cudnn5.1，但是最近在装MxNet的时候，发现官网上能下载到的MxNet版本仅支持cuda9.0和对应cudnn7.0.5，所以无奈不想卸载cuda8.0只能在电脑上安装多个版本的cuda和对应cudnn。 安装cuda 好了进入...
ubuntu 16.04+kinect v1配置运行 Kintinuous
星秋凌的博客
02-26 6396
ubuntu 16.04 配置运行 Kintinuous 笔记本型号：战神Z7-KP7D1（配置：Intel core i7-7700HQ四核处理器+nvidia gtx1060 6G显卡） 笔记本系统：win10+ubuntu16.04双系统 RGBD摄像头：kinect v1
ubuntu-16.04 重装系统后配置（步骤及错误与修改方法）
shenyesi0837的博客
03-21 1636
写在前面：1.红色为需要在终端输入的命令行。若出现错误请参考蓝色的错误，绿色为解决方案。2.文中某些安装路径请自行修改。安装版本为我需要的如果要安装其他版本请自行查阅。3.若不清楚请查阅参考文献。正文：1.系统设置--软件及更新--安装NAVIDIA驱动2.更新系统，更新软件。sudo apt-get updatesudo apt-get upgradeerror:    /sbin/ldconf...
Ubuntu16.04编译安装GPU版本mxnet
qingyanyichen的博客
11-15 932
本人的mxnet因为要用到面向DOTA数据集的RoI网络下的包（如下），只能先把包拷过来再编译安装； cp ${RoI_ROOT}/fpn/operator_cxx/* ${MXNET_ROOT}/src/operator/contrib 如果不需要使用附加包，直接pip安装简单省事： pip install mxnet//CPU版本 pip install mxnet-cuxx//GP...
可编译的mxnet代码
12-22
2. 安装依赖 sudo apt-get update sudo apt-get install -y build-essential git ninja-build ccache libopenblas-dev libopencv-dev cmake 3. 进入mxnet目录，用cmake配置编译环境并编译 cd mxnet cp config/linux.cmake config.cmake mkdir build; cd build cmake .. cmake --build . 4. 安装mxnet python语言绑定 python3 -m pip install --use
mxnet 1.0.0　编译安装
sda42342342423的博客
04-09 850
官网教程 教程 cuda 8.0 实验室的服务器，安装了 8.0.27但是报错了error: ‘CUDA_R_32I’ was not declared in this scope 参考了这个，里面有个大神说，要装8.0的最新版本，成功了 安装地址https://developer.nvidia.com/cuda-80-ga2-download-archive 安装目录A cuDN...
ubuntu从零开始安装mxnet--安装cudnn5.0
一个简单的故事
10-12 677
在经过之前的各项安装和准备工作《ubuntu从零开始安装mxnet–安装NVIDIA驱动》，《ubuntu从零开始安装mxnet–安装cuda8.0》之后。 接下来我们安装cudnn，cudnn的安装比较简单，不过下载可能稍微比较麻烦些。下载cudnn我们先要在nvidia的官网注册个账号。然后才能选择对应的cudnn版本下载安装。根据Mxnet官网的要求我们下载5.0的版本。下载下来的内容是个压
MXNet的源码编译过程总结
huareal的专栏
07-02 6832
目的：理解深度学习主流框架的设计思路，从源码级别进行向上研究 过程：从虚拟机开始，在Windows7+VMWare11+CentOS-6.6-x86_64,升级GCC,安装openblas,opencv,升级python,安装python依赖包，替换libstdc++             测试验证image-classification]# python train_mnist.py 经
ubuntu编译安装mxnet
aaon22357的博客
03-02 2831
github地址： https://github.com/apache/incubator-mxnet/tree/v1.3.x 官网： https://mxnet.apache.org/ 官网上的教程很清楚，照着做就ok。 我是从源码编译安装的，所以选了Build from Source，下面会出来链接，点进去。 安装依赖库，opencv啥的就不说了，直接安装gpu版mxnet，建议提前再anac...
ubuntu16.04安装源码mxnet
Zhou_yongzhe的博客
04-02 1543
写在前面：1.内容有参考其他博客，如有侵权联系删除，由于踩了很多坑，所以总结一下，也希望帮助到其他人 2.开始尝试使用ubuntu 自带gcc5.4.0,g++5.4.0,总是报数值类型的错误，感觉和gcc版本有关系，mxnet作者也说了建议是gcc4.8或者gcc4.9尝试一下，我使用的是gcc4.9 g++4.9 3.安装好之后，测试mxnet-gpu是否成功安装，出错，一直没有找到好的结...
Ubuntu14.04下MXNet安装
凌桑的自我修养--You are the Eternity
02-15 5462
Ubuntu1404下MXNet安装 安装流程 step0 安装基本的依赖包 step1 安装CUDA step2 安装cudnn step3 下载MXNet源码 step4 安装OpenCV step5 安装MXNet for Python step6 安装Python的相关库 step7 测试MXNet是否安装成功 参考链接 Ubuntu14.04下MXNet安装MXNet是一个轻量化分布式且可
Ubuntu下安装MxNet
Iteration makes perfection.
10-15 5571
本文是2017.1月份的时候安装的步骤, 现在可能有些已经不适用, 请大家注意鉴别.http://blog.csdn.net/u012436149/article/details/52554176 >Ubuntu 16.04 Cuda7.5 tensorflow0.10.0-gpu http://phunter.logdown.com/posts/314562 >用MXnet实战深度学习之一：安装
Ubuntu16.04下CUDA8.0环境安装nccl1.2.3源码
标题 "ubuntu1604+nccl1.2.3+cuda8.0源码" 和描述 "NVIDIA多GPU加速工具nccl的源码，适用于Ubuntu16.04+cuda8.0环境，安装方式参照readme文件" 揭示了多个重要知识点，以下将详细阐释。 ### NVIDIA NCCL (NVIDIA ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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