MXNet 學習 (1) --- 最易上手的深度學習開源庫 --- 安裝及環境搭建

　　安裝環境：Win 10 專業版 64位 + Visual Studio 2015 Community。

　　記錄下自己在有GPU的環境下安裝配置MXNet的過程。該過程直接使用MXNet release 的 pre-built 包，沒有自己使用CMake編譯。網上有很多自己編譯的教程，過程都比較繁瑣，直接使用release包對新手來說更加簡單方便。

　　選擇MXNet的原因是因為看了《Caffe、TensorFlow、MXNet三個開源庫的對比》這篇博文，其中指出MXNet相對來說是最易上手的深度學習開源庫，所以選擇該開源庫作為初學工具。

　　　　　　

 

• 官方文檔

　　Getting Started: http://mxnet.readthedocs.io/en/latest/get_started/ 

•  安裝

1. 配置MXNet的pre-built包

   • 下載鏈接：https://github.com/dmlc/mxnet/releases
   分為不支持GPU的版本和支持GPU的版本，我的電腦支持GPU，因此選擇gpu版本的。
   • 
   • 解壓pre-built包到合適的位置，如 E:\MXNet；
   • 運行setupenv.cmd，該步驟會幫助添加各種系統環境變量，運行后可以檢查下自己的系統環境變量是否正確
     • 
     • 解壓的包里有readme文檔，可作為安裝過程中的參考。

2. 配置cuDNN

   • 下載鏈接：https://developer.nvidia.com/cudnn （需要注冊為開發者后才能下載）
     
   • 解壓cuDNN包，將目錄下的bin、include和lib文件夾copy到E:\MXNet\3rdparty\cudnn目錄下，覆蓋原文件

3. 安裝Python2 (version 2.7.11) / Python3 (version 3.5.1)

• 最好python3和python2都安裝，雖然發現后面運行默認使用的是python3
• 下載地址：https://www.python.org/downloads/ 選擇64位的安裝包
• pre-built包是64位的，所以記得安裝64位的Python，選擇自定義安裝，並勾選添加路徑到系統變量選項，沒有勾選的需要手動添加python安裝路徑到環境變量。剛開始不小心裝了32位的，結果運行報錯

4. 安裝MXNet的python包

   • cmd模式下進入目錄 E:\MXNet\python，如下所示：
     • 
   • 運行python setup.py install，等待安裝完畢。安裝過程會下載安裝python的numpy模塊，記得檢查是否有錯誤，如果有錯，需要重新運行。
     • 我自己在安裝的時候因為網絡不好，好幾次都超時中斷了。
   • 運行readme文檔里的實例代碼，看是否正確
     • 

        

參考其他文章，自己編譯需要用到以下工具，記錄下來備用：

1. OpenCV (version 3.1)：OpenCV3.1已經發布，但是只有64位版的。需要32位版本的建議使用OpenCV3.0

　　下載鏈接：http://opencv.org/downloads.html

2. OpenBlas

　　BLAS (Basic Linear Algebra Subprograms)：基礎線性代數子程序庫，是一個應用程序接口（API）標准，說的簡單點就是向量、矩陣之間乘加這些運算。

　　OpenBlas是BLAS的開源優化庫，支持CPU多線程。

　　看到解壓出來的 MXNet pre-built包的3rdparty文件夾下有openblas，應該不用自己再下載了。

　　單獨的下載鏈接為：https://sourceforge.net/projects/openblas/files/latest/download?source=files

　　相關文檔：https://github.com/xianyi/OpenBLAS/wiki/Document

 3. CMake工具

　　非常強大的編譯自動配置工具，可以根據不同平台、不同的編譯器，生成相應的Makefile或者vcproj項目。

　　下載鏈接：https://cmake.org/download/

　　入門參考：http://www.cnblogs.com/sinojelly/archive/2010/05/22/1741337.html