MxNet系列——get_started——osx_setup

OS X 上安装 MXNet

安装MXNet可以分为2步：

1. 从MXNet的C++源代码构建共享库。
2. 安装MXNet的特定语言的包（接口）。

注意： 修改 make/config.mk 文件可以改变编译选项，使用命令 make 来进行构建。

构建共享库

使用下面的命令，安装MXNet的依赖库：

• Homebrew (用于安装依赖库)

# 将这个命令复制到Mac控制台中，以安装 Homebrew/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"# 将Homebrew目录放在环境变量PATH的最前面export PATH=/usr/local/bin:/usr/local/sbin:$PATH

• openblas 和 homebrew/science (用于线性代数操作)
• OpenCV (用于计算机视觉操作)

brew updatebrew install pkg-configbrew install graphviz brew install openblasbrew tap homebrew/sciencebrew install opencv# For getting pipbrew install python#用于可视化神经网络pip install graphviz# Jupyter notebookpip install jupyter

安装完上面的依赖之后，从下面的2个选项中选择一个。从GitHub下载MXNet源码，并构建MXNet。两种方法都会生成一个共享库：libmxnet.so。

选项 1 使用下面的命令下载MXNet源代码，并编译。文件 osx.mk 包含了在 OS X 构建MXNet所需的配置。首先，将 make/osx.mk 内容复制到 config.mk，然后 make 使用 config.mk 进行编译：

git clone --recursive https://github.com/dmlc/mxnetcd mxnetcp make/osx.mk ./config.mkecho "USE_BLAS = openblas" >> ./config.mkecho "ADD_CFLAGS += -I/usr/local/opt/openblas/include" >> ./config.mkecho "ADD_LDFLAGS += -L/usr/local/opt/openblas/lib" >> ./config.mkecho "ADD_LDFLAGS += -L/usr/local/lib/graphviz/" >> ./config.mkmake -j$(sysctl -n hw.ncpu)

注意： 如果想修改构建参数，需要编辑 config.mk。

选项 2
使用 cmake 命令，从MXNet源代码生成一个 Xcode 项目。然后，使用集成开发环境 Xcode 构建MXNet。

mkdir build; cd buildcmake -G Xcode -DCMAKE_BUILD_TYPE=Release -DCMAKE_CONFIGURATION_TYPES="Release" -DUSE_OPENMP="OFF" -DUSE_CUDNN="OFF" -DUSE_CUDA="OFF" -DBLAS=MKL ..

执行 cmake 命令之后，使用 Xcode 打开项目文件 mxnet.xcodeproj。设置下面的构建标识，并构建MXNet项目：

1. Link-Time Optimization = Yes
2. Optimisation Level = Fastest[-O3]

两种方法都会生成一个共享库：libmxnet.so。

我们已经安装了MXNet的核心库。接下来，我们将会为你选择的编程语言安装MXNet接口包：

• Python
• R
• Julia
• Scala

安装MXNet的Python接口

安装MXNet的Python接口需要下面的依赖：

• Python (> 2.7)
• NumPy (用于科学计算操作)

执行下面的命令安装Python（需要检查是否已经安装）和Numpy。

# 检查是否已经安装了Pythonpython --version # 查看版本# 如果没有安装，执行下面的命令进行安装brew install python# 安装 Numpybrew install numpy

安装MXNet的Python接口。 MXNet的Python接口的位置 MXNet on GitHub。

# 假定当前工作目录是MXNet源代码的根目录cd pythonsudo python setup.py install

至此，MXNet的Python接口已经安装完了。执行下面的命令，验证是否安装成功。

# 打开 Python 终端python# 如果安装成功，导入mxnet时，不会有任何问题>>> import mxnet as mx;>>> a = mx.nd.ones((2, 3));>>> print ((a*2).asnumpy());    [[ 2.  2.  2.]    [ 2.  2.  2.]]

上面的代码使用MXNet完成了一个简单的张量计算。至此，你已经在Windows中将MXNet完整配置完了。

安装MXNet的R语言接口

有两个选择：

• 使用预编译的二进制包
• 从源代码自己构建MXNet库

使用预编译的二进制包安装MXNet的R语言接口

对于 OS X (Mac) 用户，MXNet提供了CPU版本的预编译的二进制包，每周都会更新。你可以在R控制台中使用下面的命令直接安装：

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

从源代码自己构建MXNet库

执行下面的命令，安装MXNet依赖，并构建MXNet的R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根目录中的一个文件夹。

这些命令将创建一个MXNet的R包，它是一个 tar.gz 文件。你可以将其作为一个R包进行安装。执行下面的命令（注意 MXNet 的版本号），安装R包：

    R CMD INSTALL mxnet_0.7.tar.gz

安装MXNet的Julia接口

MXNet的Julia接口存放在一个独立的仓库 MXNet.jl 中。为了使用 Julia，将其绑定到已经安装的 libmxnet。 通过执行下面的命令，来设置环境变量 MXNET_HOME：

export MXNET_HOME=/<path to>/libmxnet

上面命令中的 libmxnet 的安装路径，是指 libmxnet 的根目录。换句话说，你可以在 $MXNET_HOME/lib 目录下找到 libmxnet.so。比如，如果 libmxnet 的所在的目录是 ~，你应该执行下面的命令：

export MXNET_HOME=/~/libmxnet

你可能希望将这个命令添加到 ~/.bashrc 文件中。如果已经添加，你可以使用下面的命令，在Julia控制台中安装Julia包：

    Pkg.add("MXNet")

更多关于安装和使用MXNet的Julia接口的细节，请查看 MXNet Julia documentation。

安装MXNet的Scala接口

在从源代码构建MXNet的Scala库之前，你必须完成 第一步，构建共享库。之后，在MXNet根目录中，运行下面的命令来构建MXNet的Scala库：

make scalapkg

这个命令将会为assembly, core, 和 example创建JAR文件。它也会在 native/{your-architecture}/target directory 目录下创建本地库，它可以和其它核心模块协同工作。

在MXNet根目录下，执行下面的命令，将MXNet的Scala包安装到本地Maven仓库：

make scalainstall

下一步

• 教程
• 如何办系列
• 架构