`

windows下安装CPU版mxnet

阅读更多
MXnet (mix net)类似Caffe,Tensorflow,是一个深度学习框架,
优点是很省显存,,而且windows下也能用~~

Mxnet是DMLC的子项目:http://dmlc.ml/

Mxnet官网:http://mxnt.ml/en/latest//


windows下安装GPU版本参见我的另一篇博文(需要先看完这篇):http://cherishlc.iteye.com/blog/2302981
官方安装教程(各种平台下):http://mxnt.ml/en/latest/how_to/build.html
Ubuntu下安装GPU版:http://phunter.logdown.com/posts/314562



官方已经编译好的版本:https://github.com/dmlc/mxnet/releases

下面进入windows安装环节(Python环境):
1、下载mxnet
平时不怎么用Github,这次还是直接点网页上的按钮--下载zip,结果发现mxnet要依赖的DMLC的其他项目并没有一起下载,干脆先装了一个Github windows客户端:https://desktop.github.com/

之后,进入mxnet的Github:https://github.com/dmlc/mxnet
如下图,依次点击Clone or download  -> Open in desktop


2、下载openBLAS和openCV
openBLAS(解压就行):https://sourceforge.net/projects/openblas/files/v0.2.14/
注意:需要下载mingw64_dll.zip和OpenBLAS-v0.2.14-Win64-int32.zip两个文件!
注意:DLL所在目录需要添加到环境变量path中,并重新登录
据说也可以用mkl,,这次懒得整了,有兴趣的看看我以前的博文:http://cherishlc.iteye.com/blog/2109069

openCV:N年前装的了,解压后用CMake生成VS工程并编译

3、安装python和numpy
numpy不好装,直接下载个Anaconda完事儿:https://www.continuum.io/downloads

4、增强VS对C++11的支持
用的是Visual Studio 2013进行编译;需要先升级从而增强对C++11的支持:
  • 下载Visual C++ Compiler Nov 2013 CTP:https://www.microsoft.com/en-us/download/details.aspx?id=41151
  • 卸载"Microsoft Visual C++ 2013 Redistributable (x64)", 否则安装CTP时会出现0x80070666错误
  • 安装CTP
  • 拷贝C:\Program Files (x86)\Microsoft Visual C++ Compiler Nov 2013 CTP内的文件到C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC (注意:如果VS的安装目录不是默认目录,则上述目录依然存在,但应该拷贝到对应的安装目录下!)



5、用CMake生成VS工程
指定好mxnet所在目录后,同时要指定生成目录为./mxnet/build,否则生成的libmxnet.dll不在默认目录下,配置python时还要重新将libmxnet.dll拷贝到其他目录!!
点Configure,会出现一些错误,需要做以下事情:
  • 去掉CUDA和CuDNN的勾选(否则要安装CUDA和CuDNN)
  • 指定OpenBLAS的include目录和lib文件位置(见下图);注意是.dll.a的动态链接版本!
  • 指定openCV的编译目录(见下图)




之后,点击generate生成Visual Studio工程。

6、编译mxnet
打开mxnet.sln,注意编译选项改成release,x64模式, Ctrl+Shift+B编译所有工程,生成的mxnet.dll就会出现在./build/release文件夹下了。

7、配置mxnet的python包
在mxnet/python 目录下, 运行cmd ,输入命令
python setup.py install

安装过程如下图:

对python不熟,貌似是egg安装:http://blog.csdn.net/turkeyzhou/article/details/8876658
执行结束后,会在Anaconda3安装目录下的\Lib\site-packages中多出一个mxnet-0.5.0-py3.5.egg文件夹; 此外,会在easy-install.pth文件中多出一行:./mxnet-0.5.0-py3.5.egg
  • 大小: 18.2 KB
  • 大小: 41.7 KB
  • 大小: 114 KB
分享到:
评论

相关推荐

    Mxnet_20160224_win10

    它可能包含了设置环境变量、路径以及安装依赖的步骤,确保MXNet能在Windows 10环境下正确运行。 **许可证** `LICENSE` 文件包含了软件的许可协议,对于MXNet而言,可能是Apache 2.0许可证,这意味着该软件是开放源...

    mxnet-0.9.3

    5. **GPU/CPU自动切换**:MXNet框架能够自动在GPU和CPU之间切换,根据设备的可用性和负载平衡计算任务,提高了资源利用率。 6. **跨平台**:MXNet可以在多个操作系统上运行,包括Linux、Windows和MacOS,这为开发者...

    MXNet cpp model

    4. **跨平台**:MXNet可在多个操作系统(如Linux、Windows、MacOS)和硬件平台(如CPU、GPU、Ascend)上运行,具有高度的可移植性。 5. **库集成**:MXNet集成了各种数学库,如BLAS(基础线性代数子程序库)和CuDNN...

    PyPI 官网下载 | mxnet-1.1.0.post0-cp36-cp36m-macosx_10_10_x86_64.whl

    3. **易于移植**:MXNet能在多种硬件和操作系统上运行,包括CPU、GPU,以及Linux、Windows和Mac OS等。 4. **高度优化的计算库**:内置的C++和CUDA后端,针对各种运算进行了深度优化。 5. **丰富的生态**:拥有...

    Python库 | mxnet-1.0.0.post1-cp35-cp35m-macosx_10_12_x86_64.whl

    3. **跨平台**:MXNet可在多个操作系统和硬件平台上运行,包括Windows、Linux、macOS,以及各种GPU和CPU架构。 4. **易用性**:MXNet提供Gluon接口,使得模型构建和训练变得更加直观,类似Keras的API,降低了深度...

    Python-MucheasysoMXNetWow

    9. **扩展性**:MXNet设计为跨平台,可以在多个操作系统(如Linux、Windows、MacOS)和硬件(CPU、GPU、FPGA)上运行。 10. **深度学习应用**:MXNet广泛应用于计算机视觉、自然语言处理、推荐系统等多个领域,如...

    cudnn-9.0-windows7-x64-v7.1.3.zip

    1. **性能优化**:cuDNN v7.1.3针对多种深度学习框架(如TensorFlow、PyTorch、Caffe和MxNet)进行了深度优化,提供比CPU更快的计算速度,显著提升了训练和推理的效率。 2. **广泛支持**:该版本支持CUDA 9.0,意味...

    matlab图片叠加的代码-mlbenchmark:对开源ML框架(TF,Theano,MXNet和Caffe)进行基准测试

    所有实验都是在一台运行Windows 10 Pro(64位)的计算机上执行的,该计算机具有Intel:registered:Core:trade_mark:i7-4790K CPU @ 4.00GHz 3.60 GHz; Nvidia GeForce GTX 750 Ti(版本378.66); 16 GiB DDR3内存; ...

    Tensorflow.pdf

    在Linux、Mac和Windows上,可以使用Anaconda的native pip或virtualenv来安装TensorFlow。对于Windows用户,还可以直接使用native pip。在安装过程中,确保满足TensorFlow的依赖要求,例如CUDA和cuDNN库,以便在支持...

    onnxruntime-1.7.2-cp37-cp37m-linux_armv7l.whl.zip

    ONNX Runtime支持多种框架,如TensorFlow、PyTorch和MXNet等,旨在提高推理速度和效率。 “cp37”代表Python 3.7,这是兼容的Python解释器版本,而“cp37m”指的是针对该Python版本的特定 ABI(Application Binary ...

    onnxruntime-1.13.1-cp310-cp310-linux_armv7l.whl.zip

    3. **多平台支持**: 除了ARM架构的Linux系统,ONNX Runtime还支持Windows、macOS和各种CPU/GPU硬件平台。 4. **硬件加速**: 支持CUDA和CuDNN进行GPU加速,同时也有针对Intel CPU的MKL-DNN优化,以及对Microsoft的...

    PyPI 官网下载 | insightface-0.3.2.tar.gz

    4. **跨平台**:由于基于MXNet,`insightface` 可以在多个操作系统(如Windows、Linux、Mac OS等)和硬件平台(CPU、GPU)上运行。 5. **社区活跃**:`insightface` 有活跃的开发者社区,不断更新和优化,提供了...

    Python-一个构建用于深度学习研究的机器的详细指南

    - **处理器 (CPU)**:虽然深度学习主要依赖GPU,但一颗高性能的CPU仍然是必需的,如Intel i7或i9系列,或者AMD Ryzen系列。 - **显卡 (GPU)**:NVIDIA的GTX或RTX系列显卡,特别是具有大量CUDA核心的型号,如Tesla...

    opencv-4.0.0.rar

    在Windows环境下,将库文件路径放入C盘根目录是为了方便系统快速找到库文件。 总结,OpenCV 4.0.0是一个功能强大的计算机视觉库,适用于图像处理、对象检测、人脸识别等多个领域。Javacv为Java开发者提供了便利,...

    onnxruntime-win-x64-1.10.0

    6. **多设备支持**:除了CPU,ONNX Runtime也支持各种类型的GPU,包括NVIDIA CUDA、Intel GPU和AMD ROCm等,以便在不同的硬件平台上实现最佳性能。 7. **模型压缩**:为了适应资源受限的环境,ONNX Runtime可能支持...

    opencv-3.4.0+opencv_conrtib3.4.0套件

    1. **多平台支持**:OpenCV可以在Windows、Linux、Mac OS X、Android和iOS等操作系统上运行,这使得开发者能够轻松地在各种平台上进行计算机视觉开发。 2. **模块化设计**:OpenCV 3.4.0引入了模块化结构,允许用户...

    BMW-Semantic-Segmentation-Inference-API-GPU-CPU:这是使用Gluoncv CV工具包的语义分段推理API的存储库

    BMW语义分割GPU / CPU推理API 这是使用的语义分段推理API的存储库。 用于语义细分工作流程的培训GUI(也基于)...注意: Windows部署仅支持CPU版本,因此不需要nvidia驱动程序和nvidia docker 检查先决条件 要检查您

    opencv-3.2.0-vc14

    在Visual Studio 2015环境下,"opencv-3.2.0-vc14.exe"安装后,会提供相应的.lib文件供链接使用,以及头文件供编程引用。开发时,开发者需要将OpenCV库添加到项目设置中,指定库目录和输入依赖项,然后就可以在C++...

    AWS 人工智能概览II.pdf

    这些AMI适用于Ubuntu、Amazon Linux和Windows 2016版本,可以帮助开发人员在单独的虚拟环境中预先安装深度学习框架的pip包,或者为私有深度学习引擎存储库或深度学习引擎自定义构建提供干净的环境。

    Go-Arena以简单的方式在Kubernetes上运行深度学习工作

    2. **跨平台兼容性**:基于Go语言开发,Go-Arena具有良好的跨平台兼容性,支持多种操作系统,如Linux、macOS和Windows。 3. **丰富的API支持**:除了CLI,Go-Arena还提供了丰富的API接口,可以方便地与其他工具或...

Global site tag (gtag.js) - Google Analytics