MXNet 目前支持 Python, R, Julia, and Scala。对于在 Ubuntu上使用Python的用户,MXNet 提供了一个安装全部 MXNet 依赖和 MXNet 库的 Git Bash 脚本.
这是个非常简单的安装脚本,可以在 Ubuntu 12 及以上的电脑中安装 Python 和 R 版的MXNet。在 home 目录 ~/mxnet 下找到安装好的 MXNet。
如果使用GPU你需要配置 CUDA 和 cuDNN。
首先,下载并安装 CUDA 8 工具包.
然后下载 cudnn 5.
解压此文件并且进入 cudnn 根目录。将头文件和库文件移动到你本地的 CUDA 工具包文件夹:
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* sudo ldconfig
最后,将配置添加到 config.mk 文件中:
cp make/config.mk .
克隆 MXNet 源码仓库到本地电脑需要使用 git。
# Install git if not already installed. sudo apt-get update sudo apt-get -y install git
克隆 MXNet 的源码仓库到你的电脑上,运行安装脚本,然后刷新环境变量。另外,这个脚本还会安装好所有的MXNet的所有依赖: Numpy, OpenBLAS and OpenCV。
安装这些大概需要花费5分钟。
# Clone mxnet repository. In terminal, run the commands WITHOUT "sudo" git clone https://github.com/dmlc/mxnet.git ~/mxnet --recursive # If building with GPU, add configurations to config.mk file: cd ~/mxnet cp make/config.mk . echo "USE_CUDA=1" >>config.mk echo "USE_CUDA_PATH=/usr/local/cuda" >>config.mk echo "USE_CUDNN=1" >>config.mk # Install MXNet for Python with all required dependencies cd ~/mxnet/setup-utils bash install-mxnet-ubuntu-python.sh # We have added MXNet Python package path in your ~/.bashrc. # Run the following command to refresh environment variables. $ source ~/.bashrc
点击 这里 可以查看安装脚本的具体内容。
MXNet 要求 R 版本 3.2.0 及以上。如果你正在使用低版本的 R, 在运行安装脚本之前,运行下面的命令来升级的你 R 版本。
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9 sudo add-apt-repository ppa:marutter/rdev sudo apt-get update sudo apt-get upgrade sudo apt-get install r-base r-base-dev
安装 R 版 MXNet:
cd ~/mxnet/setup-utils bash install-mxnet-ubuntu-r.sh
点击 这里 可以查看安装脚本的具体内容。
安装 MXNet 一共分两步:
注意: 可以通过编辑 make/config.mk 来修改编译选项,然后通过 make 命令开始编译。
在 Ubuntu 13.10 及以上的版本中,你需要如下依赖:
Git (从 GitHub 上下载代码)
libatlas-base-dev (线性代数计算)
libopencv-dev (机器视觉处理)
用下面命令安装依赖库:
sudo apt-get update sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev
安装完依赖后,使用下面命令从 GitHub 上下载 MXNet 源码:
# Get MXNet source code git clone https://github.com/dmlc/mxnet.git ~/mxnet --recursive # Move to source code parent directory cd ~/mxnet cp make/config.mk . echo "USE_BLAS=openblas" >>config.mk echo "ADD_CFLAGS += -I/usr/include/openblas" >>config.mk echo "ADD_LDFLAGS += -lopencv_core -lopencv_imgproc -lopencv_imgcodecs" >>config.mk
如果编译支持 GPU 的版本,使用如下命令将GPU配置添加到 config.mk 中:
echo "USE_CUDA=1" >>config.mk echo "USE_CUDA_PATH=/usr/local/cuda" >>config.mk echo "USE_CUDNN=1" >>config.mk
然后编译 MXNet:
make -j$(nproc)
执行完这些命令可以生成一个动态库名字是: libmxnet.so
接下来,安装 graphviz 库,通过它,我们可以用可视化网络图( visualizing network graphs)来构建 MXNet。我还将安装 Jupyter Notebook 用来运行 MXNet 教程和例子。
sudo apt-get install -y python-pip sudo pip install graphviz sudo pip install Jupyter
我们已经安装完了 MXNet 的核心库(core library),接下来我们要选择一种编程语言,安装语言接口包:
运行下面命令来安装MXNet依赖并且编译 MXNet R 语言包
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
注意: R-package 是 MXNet 源码的一个目录。
这些命令可以生成一个 tar.gz 格式的 MXNet R 语言包,运行下面命令来安装这个语言包:
R CMD INSTALL mxnet_current_r.tar.gz
MXNet Julia 语言包托管在一个单独的仓库 MXNet.jl。地址是 GitHub。Julia需要与已经安装的 libmxnet 绑定。使用下面的命令来配置 MXNET_HOME 环境变量:
export MXNET_HOME=/<path to>/libmxnet
这里的路径(path to)指的是已经安装的 libmxnet 的根目录。也即是说你可以在 $MXNET_HOME/lib 目录下找到 libmxnet.so 文件。举例来讲 libmxnet 的根目录是 ~ 你应该执行如下命令:
export MXNET_HOME=/~/libmxnet
你也许想把这条命令添加到 ~/.bashrc 文件中,如果是的话,你可以在 Julia 控制台中执行如下命令来安装 Julia 语言包。
Pkg.add("MXNet")
MXNet Julia 语言包更详细的安装教程可以参考 MXNet Julia documentation.
有两种方式安装 MXNet Scala 语言包:
使用预编译的二进制包
通过源码编译
对于 Linux 用户,MXNet 提供了编译好的二进制包,同时支持 CPU 和 GPU。可以通过 Maven 来下载使用这个包,根据你的需求修改下面 Maven 依赖里的 artifactId :
<dependency> <groupId>ml.dmlc.mxnet</groupId> <artifactId>mxnet-full_<system architecture></artifactId> <version>0.1.1</version> </dependency>
比如,下载 Linux 上64位 CPU-only 版本:
<dependency> <groupId>ml.dmlc.mxnet</groupId> <artifactId>mxnet-full_2.10-linux-x86_64-cpu</artifactId> <version>0.1.1</version> </dependency>
如果你的本地环境和集成包的有微小区别,比如,你使用了 openblas 包而不是 atlas 包,你最好使用 mxnet-core 包并且将编译好的本地Java库放到你的加载目录中去:
<dependency> <groupId>ml.dmlc.mxnet</groupId> <artifactId>mxnet-core_2.10</artifactId> <version>0.1.1</version> </dependency>
在编译 MXNet Scala 语言包前,你必须已经完成了 编译共享库。然后在 MXNet 源码根目录运行下面命令来编译 Scala 语言包:
make scalapkg
这条命令会生成一个JAR文件,里面包含了封装(assembly),核心(core)和例子(example)。同时还会在 native/{your-architecture}/target directory 下生成一个本地库,你可以通过它配合 core 使用。
在 MXNet 根目录下运行下面的命令,可以讲 MXNet Scala 语言包安装到你本地的 Maven 仓库
make scalainstall
**注意 - ** 非常非常非常欢迎你们为其他操作系统和编程语言贡献简单的安装脚本,参考贡献者指南 community page