在 Windows 上安装 MXNet

在 Windows 上，你可以下载安装预编译 MXNet 包，或者自己下载，编译，然后安装。

编译共享库

你可以使用预编译二进制包或者通过源码自己编译共享库 - libmxnet.dll。

在 Windows 上安装预编译包

MXNet 为 Windows 提供了一个预编译包。这个包里包含了 MXNet 库，所有的第三方依赖库，一个 Visual Studio 的 C++ 解决方案例子，和一个 Python 安装脚本。安装预编译：

  1. 从 MXNet Releases 表里下载最新的预编译包。这有两个版本。一个 GPU 版本(需要 CUDA 和 CUDNN v03),一个非 GPU 版本。请根据你的硬件配置选择合适的版本。哪个版本适应哪种硬件配置，更详细的信息参考 Requirements for GPU。
  2. 将预编译包解压到文件夹中，可以给文件夹取个合适的名字，比如 D:\MXNet。
  3. 打开文件夹，双击 setupenv.cmd 进行安装。它会配置好所有 MXNet 需要的所有环境变量。
  4. 可以通过里面提供的 Visual Studio C++ 解决方案来测试安装是否成功。

 

这里生成了一个库名字是 libmxnet.dll。

在 Windows 上编译然后安装

如果要编译并安装 MXNet 你需要下面的依赖，安装依赖：

  1. 如果没有安装 Microsoft Visual Studio 2013 ，下载并安装，可以下载免费的社区版。
  2. 安装 Visual C++ Compiler Nov 2013 CTP。
  3. 备份 C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC 目录下的所有文件到其他地方。
  4. 拷贝 C:\Program Files (x86)\Microsoft Visual C++ Compiler Nov 2013 CTP 目录（或者其他你解压zip文件的目录）下的所有文件到 C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC 目录下，并且覆盖所有文件。
  5. 下载并安装 OpenCV。
  6. 解压 OpenCV 包。
  7. 配置环境变量 OpenCV_DIR 指向 OpenCV build directory。
  8. 如果你没有安装 Intel Math Kernel Library (MKL)。请下载并安装 OpenBlas。
  9. 配置环境变量 OpenBLAS_HOME 指向 OpenBLAS 目录，它包含了 include 和 lib。通常你可以在 C:\Program files (x86)\OpenBLAS\ 下找到这个目录。
  10. 下载并安装 CuDNN。你需要注册 NVIDIA community 用户才能拿到下载链接。

安装完所有的以来后，编译 MXNet 源码：

  1. 从 GitHub 上下载源码。
  2. 用 CMake 在 ./build 下生成一个 Visual Studio 解决方案。
  3. 用 Visual Studio 打开解决方案 .sln，并且编译。 这些命令会在 ./build/Release/ 或者 ./build/Debug 目录下生成一个库名字叫 mxnet.dll

 

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。

 

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:

安装 Python 版 MXNet

  1. 在 这里 找到可用的 Windows 安装包，安装 Python 。
  2. 在 这里 找到可用的 Windows 安装包，安装 Numpy 。
  3. 接下来，我们为 MXNet 安装 Python 接口。你可以在 MXNet on GitHub 找到 Python 接口包。
    # Assuming you are in root mxnet source code folder
    cd python
    sudo python setup.py install

完成！我们已经安装好了 MXNet 的 Python 接口。运行下面的命令来检车安装是否成功。

    # Open Python terminal
    python

    # You should be able to import mxnet library without any issues.
    >>> import mxnet as mx;
    >>> a = mx.nd.ones((2, 3));
    >>> print ((a*2).asnumpy());
        [[ 2.  2.  2.]
        [ 2.  2.  2.]]

我们实际上是用 MXNet 做了一个小的张量(tensor)计算！到这里你已经在电脑上完全配置好了 MXNet。

安装 R 版 MXNet

R 版 MXNet 同时支持 CPU 和 GPU.

安装使用 CPU 的 MXNet

从下面的两个选项里选择一个，来安装仅使用 CPU 的 MXNet

  • 使用预编译二进制包
  • 使用源码编译

使用预编译二进制包

对于 Windows 用户，提供了一个 CPU 版本的 MXNet 包。这个包每周更新，你可以在 R 控制台里 直接输入下面的命令来安装：

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

使用源码编译

运行下面的命令来安装，编译 MXNet R 语言包的依赖： BRun the following commands to install the MXNet dependencies and build the MXNet R package.

  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

安装使用 GPU 的 MXNet

安装使用 GPU 的 MXNet 你需要如下步骤：

  • Microsoft Visual Studio 2013

  • NVidia CUDA 工具包

  • MXNet 包

  • CuDNN (提供一个深度神经网络库)

安装依赖和 R 版本 MXNet：

  1. 如果没有安装 Microsoft Visual Studio 2013 ，下载并安装，可以下载免费的社区版。
  2. 安装 CUDA 工具包。CUDA 工具包依赖 Visual Studio。检查你的 GPU 和 CUDA 工具包的兼容性。更详细的安装信息参考 CUDA Installation Guide。
  3. 以 zip 格式从 MXNet Github 仓库 下载 MXNet 包，解压，你将要编辑 "/mxnet/R-package" 目录。
  4. 从 Releases 表中下载最新的 GPU-enabled MXNet 包，解压并导航到 /nocudnn 文件夹。 注意: 你将会拷贝这些额外的文件到 MXNet 的 R-package文件夹中。目前我们只在两个目录下工作 R-package/ 和 nocudnn/。
  5. 下载并安装 CuDNN。你需要注册 NVIDIA community 用户才能拿到下载链接。解压这个 .zip 文件，你会发现这些文件夹： /bin, /include, 和 /lib。复制这些文件夹到 nocudnn/3rdparty/cudnn/，替换原有文件。你也可以解压这个 .zip 文件到 nocudnn/ 目录中。
  6. 创建文件夹 R-package/inst/libs/x64，MXNet只支持64位操作系统，因此需要 x64 文件夹。
  7. 拷贝下面的共享库(.dll 文件)到 R-package/inst/libs/x64 目录中：
    • nocudnn/lib/libmxnet.dll.
    • nocudnn/3rdparty/ 的四个子目录下的所有 *.dll 文件。cudnn 和 openblas .dll 在 /bin 目录下。 在 R-package/inst/libs/x64 目录下，现在应该有11个 .dll 文件。
  8. 拷贝 nocudnn/include/ 目录到 R-package/inst/ 中。现在应该有一个文件夹叫 R-package/inst/include/，它有三个子目录。
  9. 确认 R 已经添加到你的 PATH 环境变量中。在命令提示符窗口运行where R 命令，可以返回具体位置。
  10. 运行 R CMD INSTALL --no-multiarch R-package。

注意: 为了最大化可移植性，MXNet 库是使用 Rcpp 编译的。Windows 电脑需要 MSVC (Microsoft Visual C++) 来处理 CUDA 工具链的兼容性。

安装 Julia 版 MXNet

(此方法是适用于 Linux 和 OS X 的，原来的英文文档可能存在错误，我只是翻译在这里，并不保证可以运行,如果谁更新了方法，可以联系我修改中文翻译hebeilijianzhang@163.com)

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.

安装 Scala 版 MXNet

(此方法是适用于 Linux 和 OS X 的，原来的英文文档可能存在错误，我只是翻译在这里，并不保证可以运行,如果谁更新了方法，可以联系我修改中文翻译hebeilijianzhang@163.com)

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

使用预编译的二进制包

对于 Linux 和 OS X (Mac) 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>

通过源码编译

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

下一步