拥抱MXNet深度学习第二天（继续纠结安装环境）

Posted 2021-04-20 追逐自由的大王

由于发现了官网上的安装说明，今天的进度稍好，但依旧各种坑。

官网推荐的系统要求

· Windows 10，Server 2012 R2或Server 2016

· Visual Studio 2017（任何类型）

· 至少一个支持NVIDIA CUDA的GPU

· 支持MKL的CPU：Intel®Xeon®处理器，Intel®Core™处理器系列，IntelAtom®处理器或Intel®XeonPhi™处理器

· Python 2.7或3.6

· Pip

据官网说明， 使用Python安装MXNet有以下几种模式

o 使用CPU安装

o 使用Intel CPU安装

o 使用GPU安装

o 混合安装模式

在Windows上安装MXNet的最简单方法是使用Python pip包。

注意：Windows pip包通常在新版本MXNet发布后几天发布。确保验证安装了哪个版本。

使用Intel CPU安装

MXNet拥有对英特尔MKL和MKL-DNN的实验支持。使用支持的英特尔硬件时，将MXNet与MKL或MKL-DNN一起使用时，推理和培训可以大大加快。

使用NVIDIA GPU安装

使用支持的NVIDIA GPU硬件时，使用NVIDIA CUDA和cuDNN可以大大加快推理和培训。您可以通过Python包使用CUDA支持安装MXNet。

使用CUDA和MKL支持安装（混装模式）

您还可以使用英特尔和NVIDIA提供的CPU / GPU增强功能组合。

以下步骤将使用CUDA和MKL设置MXNet。

1. 安装Microsoft Visual Studio 2017或Microsoft Visual Studio 2015。

2. 下载并安装英特尔MKL（需要注册）。

3. 下载并安装NVIDIA CUDA。

4. 下载并安装NVIDIA_CUDA_DNN

5. 使用pip安装带有MKL支持的MXNet：

pip install mxnet-cu92mkl

由于我的笔记本正好是intel i7的cpu，nVidia的显卡，所以姑且试一试混装模式。运行上述命令，依然是各种缺包。尝试源构建模式：（重点推荐此模式安装）

源构建模式

第一坑：

初步学习发现各种所需软件包，先罗列出来：

1、Microsoft Visual Studio 2017（需要VC++ 2017 version 15.4 v14.11）仍需各种改

2、CMake v3.12.2（我下到的是3.12.4）

3、OpenCV （我下到的是3.4.1）

4、OpenBlas v0.2.19 （我下到的是 v0.3.5）

5、CUDA 9.2

6、cuDNN

7、git

看完所需，先吐会血~

下面第二坑：上述东东，由于众所周知的原因，官网下载都奇慢，官网也是一会能上一会不行，多try几次吧。随后如若安装成功，我把收集到的东东转载到我的百度网盘中吧。

第三坑：先贴官网说明

1. 安装或更新VS2017。

如果尚未安装VS2017，请下载并安装它。您可以下载并安装免费社区版。

当提示安装Git时，请继续安装它。

如果已经安装了VS2017，您将需要更新它。继续下一步修改安装。您将有机会更新VS2017

2. 按照打开Visual Studio Installer进行修改的说明进行操作。

3. 进入Visual Studio Installer应用程序后，根据需要进行更新，然后查找并检查，然后单击。VC++ 2017 version 15.4 v14.11 toolset ----  Modify

我的版本是VC++ 2017 version 15.7 v14.14，就不截图了，一贯的windows风格，只是装个这，居然要10G多的空间。。。

4. 使用以下命令将Visual Studio 2017的版本更改为v14.11（默认情况下，VS2017安装在以下路径中）：

“C： Program Files（x86） Microsoft Visual Studio 201 7 Community VC Auxiliary Build >vcvars64.bat” - vcvars_ver = 14.11

我运行的结果，如图：

1. 下载并安装CMake（如果尚未安装）。CMake v3.12.2已经过MXNet测试。

2. 下载并运行 OpenCV包。有更多最新版本的OpenCV，因此如果您验证其中一个更高版本，请创建一个问题/ PR以更新此信息。

3. 这将解压缩几个文件。如果您愿意，可以将它们放在另一个目录中。我们将使用C:utils（）作为默认路径。mkdir C:utils

4. 将环境变量设置OpenCV_DIR为指向刚刚解压缩的OpenCV构建目录。开始cmd并输入。set OpenCV_DIR=C:utilsopencvuild

5. 如果您没有安装Intel Math Kernel Library（MKL），您可以安装它并从此处遵循MKLDNN_README，或者您可以使用OpenBLAS。这些说明将假设您正在使用OpenBLAS。

6. 下载OpenBlas包。可以使用更高版本的OpenBLAS，但您需要从源代码构建。v0.2.19是二进制文件附带的最新版本。最近的二进制文件的贡献将不胜感激。

7. 解压缩文件，将其重命名OpenBLAS并置于其下C:utils。如果您愿意，可以将解压缩的文件和文件夹放在另一个目录中。

8. 设置环境变量OpenBLAS_HOME指向包含了OpenBLAS目录include和lib目录和类型在命令提示符（）。set OpenBLAS_HOME=C:utilsOpenBLAScmd

估计我下的版本未发现include和lib，或者 cmd目录，估计有误，明天再试。

Mark20190307-估计新的17M的包应该可以，下完再看。

成功，如下图cmd：

后面仍是官网内容，留作明天继续试试。

9. 下载并安装CUDA。如果您已经安装了CUDA，然后安装了VS2017，则应立即重新安装CUDA，以便获得用于VS2017集成的CUDA工具包组件。请注意，MXNet支持的最新CUDA版本为9.2。您可能还想在Legacy Releases上找到其他CUDA 版本。

10. 下载并安装cuDNN。要访问下载链接，请注册为NVIDIA社区用户。然后按照链接安装cuDNN并将这些库放入C:cuda。

11. 如果你还没有下载并安装git。

安装完所有必需的依赖项后，仍需要用命令构建MXNet，其他的第三天继续。

和大王一起学习吧

编辑不易，支持大王

关注追逐自由的大王，和大王一起学习