深度学习框架MXnet安装(ubuntu16.04,CUDA8.0)
来源:互联网 发布:精神病医院 知乎 编辑:程序博客网 时间:2024/05/01 12:53
MXnet的背景就不多说了,网上有很多,这里主要讲讲安装。
MXnet比起caffe来要简洁,简洁指的是依赖上,所以只需要安装很少的其他的库啊等等,配caffe的时候那种让人耐心爆炸的情况是不会出现的。废话少说,开始正题吧。
github:https://github.com/dmlc/mxnet
CUDA8.0
首先是cuda的安装,加速都靠它。参考之前这篇文章:
爆详细Ubuntu16.04,CUDA8.0,Caffe,OpenCV3.1,Theano,Tensorflow完全配置指南
要是有的话,直接忽略。
安装依赖
复制下面的就行了:
sudo apt-get install -y build-essential git libblas-dev libopencv-dev
克隆(下载)MXnet
git clone –recursive https://github.com/dmlc/mxnet.git
没有git下载压缩包也是一样的,只不过多了一个解压的过程而已。
弄完之后,你会得到一个mxnet的文件夹,里面大概是这个样子。
编译
首先进mxnet/这个目录,你会发现里面有个make/目录,进去,把这个目录下面的config.mk文件复制到mxnet/目录下面。
cp config.mk ..
然后在mxnet/下面把这个config.mk文件打开,大概像这个样子。
因为我们是使用CUDA的,所以找到以下的几行,并且改为以下这样。
无非是添加了对于cuda的支持了cuda路径还有对于cudnn的支持。
保存就可以开始编译了。
make -j4
等待编译完成就行了…..
Python接口
进到python/文件夹,然后
sudo python setup.py install
弄完就OK了
测试
进到mxnet/example/image-classification/中,跑一个mnist的例子。
python train_mnist.py –network mlp
再用GPU跑一次
python train_mnist.py –network mlp –gpus 0
看的到的速度提升,说明GPU还是有用的。
- 深度学习框架MXnet安装(ubuntu16.04,CUDA8.0)
- Caffe深度学习框架安装(Ubuntu14.04+cuda8.0)
- GTX1070+CUDA8.0+Ubuntu16.04+Caffe+SSD 深度学习框架搭建 细节一步到位版
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- Ubuntu16.04+GTX1050+CUDA8.0配置深度学习环境
- ubuntu16.04安装cuda8.0
- 安装Ubuntu16.04+cuda8.0
- ubuntu16.04安装cuda8.0
- ubuntu16.04+cuda8.0安装
- ubuntu16.04安装+cuda8.0+cudnn5.1+MXNET gpu版本安装+tensorflow gpu版本安装+chainerGPU版本安装
- 深度学习框架mxnet安装与使用
- ubuntu16.04+深度学习框架安装
- 深度学习框架安装(cuda8+cudnn6)
- ubuntu16.04安装mxnet
- ubuntu16.04 安装cuda8.0 cudnn7.0
- ubuntu16.04+ cuda8.0: 安装 opencv 3.0
- SSH架构整合-XML文件配置
- LeetCode171—Excel Sheet Column Number
- iOS 状态栏数据获取(服务商,网络状态,信号,电量,IP,WiFi)
- idea 中代码大小写切换快捷键
- HDU 100道搜索题 每天几个练练手 mark
- 深度学习框架MXnet安装(ubuntu16.04,CUDA8.0)
- SDL_PixelFormat结构体
- 命令行下传递参数执行PHP文件
- ae二次开发常用的类和接口
- 从JSP前台页面传中文参数,到后台接受出现乱码,如何解决?
- Linux-dd命令详解
- 创建一个catkin工作空间
- C++ 中 i++ 与 ++i 的本质区别
- 11 个 Linux 上最佳的图形化 Git 客户端