DMLC深度機器學習框架MXNet的編譯安裝

　　這篇文章將介紹MXNet的編譯安裝。

　　MXNet的編譯安裝分為兩步：

1. 1. 首先，從C++源碼編譯共享庫（libmxnet.so for linux，libmxnet.dylib for osx，libmxnet.dll for windows）。
   2. 接着，安裝語言包。

 

1. 構建共享庫依賴

　　目標是構建共享庫文件。

最小構建需求：

• 最新的支持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 以運行 nvidia GPUs
  • 需要 GPU 支持 Compute Capability >= 2.0
• CUDNN 加速 GPU computation (only CUDNN 3 is supported)
• opencv 進行圖像的分段

2. Ubuntu/Debian上構建

安裝依賴：

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

構建MXNet：

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：

brew update
brew tap homebrew/science
brew info opencv
brew install opencv

構建MXNet：

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。下載之后，解壓並運行目錄下的 setupenv.cmd 命令即可安裝設置好環境。之后，即可編譯運行MXNet的C++程序，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

　　可運行如下命令測試：

python example/image-classification/train_mnist.py

　　或者， 假如在編譯的時候設置了USE_CUDA=1，可以使用GPU 0 來訓練卷積神經網絡。命令如下：

python example/image-classification/train_mnist.py --network lenet --gpus 0

　　如果報錯，找不到類似這樣的庫文件 libcudart.so.7.5，則要設置LD_LIBRARY_PATH，最簡單的方式在你的 /etc/profile 或 ~/.bashrc 文件中添加如下語句

　　　　export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
　　

　　或者執行命令 sudo vi /etc/ld.so.conf.d/cuda.conf，在文件中添加如下內容：

/usr/local/cuda/lib64
/lib

　　然后再執行命令：

sudo ldconfig -v

 

 

　　MXNet的Python包有多種安裝方式，最簡單明了的就是 添加　PYTHONPATH　環境變量，推薦開發者使用這種安裝模式。使用這種安裝模式，如果更新MXNet，並重新構建共享庫之后，不需要任何重新安裝Python包的步驟。否則，還必須重新安裝MXNet的Python安裝包，才能使用最新的。

　　假設　mxnet　在你的主目錄下，則　可以修改　~/.bashrc　文件，並添加一行如下：

export PYTHONPATH=~/mxnet/python

　　

6. R 包安裝

Windows/Mac users:

　　對於Windows/Mac users，有已編譯好Ｒ包，可以在Ｒ控制台，直接運行如下命令：

install.packages("drat", repos="https://cran.rstudio.com")
drat:::addRepo("dmlc")
install.packages("mxnet")

　　由於可能會更新，所以最好每周執行上面的命令，更新。

編譯安裝：

　　在mxnet目錄下，執行如下命令：

Rscript -e "install.packages('devtools', repo = 'https://cran.rstudio.com')"
cd R-package
Rscript -e "library(devtools); library(methods); options(repos=c(CRAN='https://cran.rstudio.com')); install_deps(dependencies = TRUE)"
cd ..
make rpkg

　　如果有報缺少包的錯誤，則需先安裝相應的R包，再執行以上命令。

　　比如我的R環境缺少 roxygen2 包，則在R控制台，執行如下命令：

 install.packages("roxygen2")

　　然后再執行最上面的腳本，編譯出安裝包，比如 mxnet_0.5.tar.gz 文件，最后執行如下命令安裝：

R CMD INSTALL mxnet_0.5.tar.gz

　　

 

7. 可選包安裝

CUDA

　　下載網址：　CUDA

　　缺省的編譯不支持CUDA，所以如果要添加CUDA支持，要修改 config.mk 文件中的編譯選項，使之支持CUDA。

 

　　CUDA有幾種安裝方式，由於文件比較大，國內有源，所以這里選擇從網絡安裝。

　　下載相應的網絡包，如我的是 cuda-repo-ubuntu1504_7.5-18_amd64.deb 。然后執行如下命令：

sudo dpkg -i cuda-repo-ubuntu1504_7.5-18_amd64.deb
sudo apt-get update
sudo apt-get install cuda

 　　修改文件 mxnet/make/config.mk，打開CUDA支持，如下：

　　　　USE_CUDA = 1
　　　　USE_CUDA_PATH = /usr/local/cuda

 

　　如果以GPU計算模式執行報錯，說找不到類似這樣的庫文件 libcudart.so.7.5，則要設置LD_LIBRARY_PATH，最簡單的方式在你的 /etc/profile 或 ~/.bashrc 文件中添加如下語句：

　　　　export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
　　

　　或者執行命令 sudo vi /etc/ld.so.conf.d/cuda.conf，在文件中添加如下內容：

/usr/local/cuda/lib64
/lib

 然后再執行命令：

sudo ldconfig -v

 

CUDNN

　　下載網址：CUDNN （需要注冊申請，批准通過，才能下載）

　　缺省的編譯不支持CUDNN，所以如果要添加CUDNN支持，要修改make/config.mk文件中的編譯選項，使之支持CUDNN。

　　解壓縮下載文件，將 include 和 lib64 拷貝放置在 /usr/local/cuda 目錄下即可。

 　　執行如下命令修改鏈接文件：

cd /usr/local/cuda/lib64
rm -rf libcudnn.so libcudnn.so.4
ln -s libcudnn.so.4.0.4 libcudnn.so.4
ln -s libcudnn.so.4 libcudnn.so

 

OpenCV

　　下載網址：OpenCV

　　缺省的編譯支持OpenCV。

 

參考引用：

　　MXNet主頁：　https://github.com/dmlc/mxnet/

　　MXNet編譯安裝參考文檔：http://mxnet.readthedocs.org/en/latest/build.html