兩個步驟:
1、根據MXNet的C++源碼文件構建libmxnet共享庫
2、安裝Python語言依賴包
外加一個測試部分
第一步:
構建環境要求:
C++編譯器支持C11標準,系統安裝有Git以及GNUMake工具。由於本系統是Ubuntu 14.04LTS,需要的操作如下:
命令:
sudo apt-get update && sudo apt-get install build-essential git
至此,構建環境準備完畢。
安裝BLAS庫
命令:
sudo apt-get install libatlas-base-dev
鍵入命令後出現以下錯誤:
E: Unable to locate package libatlas-bas-dev
原因:爲了安裝libatlas需要安裝以下Python依賴包
python-numpy
python-scipy
python-matplotlib
ipython
ipython-notebook
python-pandas
python-sympy
python-nose
鍵入命令:
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
然而,會在最後兩行出現以下提示:
/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 不是符號連接
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 不是符號連接
原因:系統找的是一個符號連接,而不是一個文件。這應該是個bug….
解決方法:
1.對這兩個文件更名;2.重新建立符號連接
下面是具體命令
sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
然後,重新鍵入
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
然後,鍵入
sudo apt-get install libatlas-base-dev
至此libatlas安裝完成
安裝OpenCV
sudo apt-get install libopencv-dev
OpenCV安裝順利
構建libmxnet共享庫
下載mxnet源文件
git clone --recursive https://github.com/dmlc/mxnet
下載完成,目錄切換到mxnet文件夾下
make
至此,libmxnet共享庫安裝完成
第二步:構建Python依賴包
sudo apt-get install python-dev python-numpy
至此安裝完成
第三步,測試
以下是測試部分
在~/mxnet/python/
目錄下操作,鍵入:
python
MXNet提供兩種編程接口:imperative n-demensional array interface,symbolic programing interface。
接口1: imperative n-demensional array interface
>>> import mxnet as mx
>>> a = mx.nd.ones((2, 3))
>>> b = a * 2 + 1
>>> b.asnumpy() # print b by converting to a numpy.ndarray object
array([[ 3., 3., 3.],
[ 3., 3., 3.]], dtype=float32)
接口二:symbolic programing interface
>>> a = mx.sym.var('a') # it requires the latest mxnet
>>> b = a * 2 + 1 # b is a Symbol object
>>> c = b.eval(a=mx.nd.ones((2,3)))
>>> c[0].asnumpy() # the list of outputs
array([[ 3., 3., 3.],
[ 3., 3., 3.]], dtype=float32)
都能得到預期結果,至此,MXNet依賴庫測試完畢,MXNet依賴庫安裝成功。