MxNet系列——get_started——setup

Posted 2022-12-05 xuezhisdc

博客新址: http://blog.xuezhisd.top
邮箱：[e-mail]

---

综述

你可以在Amazon Linux, Ubuntu/Debian, OS X, 和 Windows等操作系统上运行MXNet。MXNet 也可以在 Docker 和类似于AWS的云上运行。MXNet现在支持的语言包括：Python, R, Julia 和 Scala等。

配置MXNet的详细指南：

• 使用 Docker 安装 MXNet
• 云 (AWS AMI) 上安装MXNet
• Ubuntu 上安装 MXNet
• Amazon Linux上安装 MXNet
• OS X (Mac) 上安装 MXNet
• Windows 上安装 MXNet

本节也包含了以下内容：

• 使用 MXNet 的依赖环境
• 常见的安装问题
• 从源代码构建依赖库

如果你遇到关于安装MXNet的问题，并且无法在 常见的安装问题 上找到解决方法，请在 mxnet/issues 提交问题。如果你已经解决了问题，请发送一个pull请求。更多信息，请查看 contribution guidelines。

依赖环境

本节列出了执行MXNet的最基本的依赖，使用GPU的依赖，和支持计算机视觉和图像增强的依赖。

注意： 配置所有的基本依赖（仅CPU）在各个操作系统安装MXNet的指南中描述。本节内容是针对于那些想配置可选依赖（GPU/MKL等）的高级用户。

最小依赖环境

必须安装下面的工具：

• 一个支持C++ 11 的C++编译器。C++编译器用于编译和构建MXNet的源代码。支持的编译器有：

  • G++ (4.8 以上)

  • Clang

• 一个线性代数计算库 BLAS (Basic Linear Algebra Subprograms)。BLAS库包含了关于向量和矩阵操作的函数，用于执行基本的线性代数操作。支持的BLAS库有：

  • libblas
  • openblas
  • Intel MKL

• Graphviz 用于可视化神经网络。

• Jupyter Notebook 用于运行MXNet的例程和教程。

使用GPU的依赖环境

• 一个计算能力（Compute capability）大于 2.0 的英伟达显卡。计算能力描述了CUDA硬件支持哪种特性。关于每种计算能力支持特性的列表，请查看 CUDA Version features and specifications。关于NVIDIA显卡支持特性的列表，请查看 CUDA GPUs。
• CUDA 7.0 或更高版本。CUDA是一种允许MXNet在NVIDIA显卡上运行的环境。它包括编译器，数学函数库，调试工具。下载最新版本，请访问
  CUDA 下载页面。
• CuDNN (CUDA Deep Neural Network)。通过提供低级（硬件级）GPU性能调节，来加速GPU计算。下载最新版本，请访问 CUDA Deep Neural Network.

使用计算机视觉和图像增强的依赖环境

如果你洗完支持计算机视觉和图像增强，你需要安装
OpenCV。开源计算机视觉库 (OpenCV) 包含了有关计算机视觉和图像增强方面的大量函数。更多信息，请查看 OpenCV。

从源代码构建依赖库

这一节介绍了如何从源代码构建MXNet的依赖库。这种方法对于以下2种情形很有用：

• Linux版本太老。所需的包要么没有最新版库，要么Yum或apt-get不安装最新版的依赖库。

• 没有权限。这时，你需要改变安装目录，将其从 /usr/local 修改成一个你有权限的目录（比如，用户目录），下面的例子使用当前用户的主目录 $HOME。

从源码构建GCC

从源码构建 GNU Complier Collection (GCC)，需要 32-bit libc。

1. 使用下面的（和操作系统对应的）命令安装 libc：

sudo apt-get install libc6-dev-i386 # In Ubuntu
sudo yum install glibc-devel.i686   # In RHEL (Red Hat Linux)
sudo yum install glibc-devel.i386   # In CentOS 5.8
sudo yum install glibc-devel.i686   # In CentOS 6/7

2. 运行下面的代码，下载和解压 GCC 源代码：

wget http://mirrors.concertpass.com/gcc/releases/gcc-4.8.5/gcc-4.8.5.tar.gz
tar -zxf gcc-4.8.5.tar.gz
cd gcc-4.8.5
./contrib/download_prerequisites

3. 运行下面的代码，构建 GCC：

mkdir release && cd release
../configure --prefix=/usr/local --enable-languages=c,c++
make -j10
sudo make install

4. 将 lib 路径添加到 ~/.bashrc 文件中：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib64

从源码构建OpenCV

从源代码构建OpenCV，需要使用cmake库。

• 如果你没有安装cmake，或cmake的版本低于 3.6.1 (比如，RHEL上CMake默认版本)，执行下面的命令，安装新版本的cmake：

wget https://cmake.org/files/v3.6/cmake-3.6.1-Linux-x86_64.tar.gz
tar -zxvf cmake-3.6.1-Linux-x86_64.tar.gz
alias cmake="cmake-3.6.1-Linux-x86_64/bin/cmake"

• 运行下面的命令，下载和结业 OpenCV 源代码：

wget https://codeload.github.com/opencv/opencv/zip/2.4.13
unzip 2.4.13
cd opencv-2.4.13
mkdir release
cd release/

• 构建OpenCV。下面的命令构建不支持GPU的OpenCV，这可能让运行在GPU上的MXNet的速度降低很多。下面的命令也禁止了 1394，它可能会生成警告：

cmake -D BUILD_opencv_gpu=OFF -D WITH_CUDA=OFF -D WITH_1394=OFF -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8
sudo make install

• 将 lib 目录添加到 ~/.bashrc文件：

export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig/

常见的安装问题

本节给出了常见的安装问题的解决方法。

一般问题

信息： ImportError: No module named _graphviz

原因： Graphviz is not installed.

解决方法：

在Mac上，使用下面的命令安装 Graphviz

brew install graphviz

或者使用pip安装

  brew install python
  pip install graphviz

信息： RuntimeError: failed to execute [‘dot’, ‘-Tsvg’], make sure the Graphviz executables are on your systems’ path

原因： 没将Graphviz的可执行文件所在的目录放到系统路径中，程序不能使用Graphviz 来绘制网络图。

解决方法： 将Graphviz的可执行文件所在的目录放到系统路径中。
在Mac/Linux中，Graphviz安装在 - /usr/local/lib/graphviz/或 /usr/lib/graphviz/或 /usr/lib64/graphviz/；在Windows上，Graphviz安装在 - C:\\Program Files (x86)\\Graphviz2.38\\bin。

注意： 如果你正在使用 Jupyter notebook，你可能需要重启kernel，以刷新系统目录和找到Graphviz可执行文件。

Mac OS X 错误

信息： link error ld: library not found for -lgomp

原因： OpenMP的GNU实现，没有在系统库路径中。

解决方法： 将 OpenMP的位置 添加到 库路径：

• 运行下面的命令，创建 locate 数据库：

sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.locate.plist

• 运行下面的命令，查找 OpenMP库的位置：

locate libgomp.dylib

• 将OpenMP的位置添加到 库路径。注意将下面命令中的 path1替换成上一个命令的输出：

ln -s path1 /usr/local/lib/libgomp.dylib

• 运行下面的命令，构建：

make -j$(sysctl -n hw.ncpu)

R 错误

信息： Unable to load mxnet after enabling CUDA

解决方法： 如果你安装MXNet时打开了CUDA，但不能加载。将下面的2行添加到你的环境变量 $RHOME/etc/ldpaths：

export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

注意： 在命令行中使用命令 R.home()，可以查看环境变量 $RHOME。

下一步

• 教程
• 如何办系列
• 架构