mxnet 配置與 demo

mxnet簡介： http://mxnet.readthedocs.org/en/latest/

這是比較新的深度學習框架（號稱第二代的深度學習框架），它的核心使用C++實現，並提供C風格的頭文件。對比其他的深度學習框架，如caffe、theano，它的特點主要是：

1. 編程上，它將聲明式編程和命令式編程相結合。使得代碼運行更快捷（這是事實）、語義更容易理解（這就見仁見智了，反正看的挺頭疼）

2. 自身實現上，它的底層數據格式引用了theano裏面的tensor和TBlob的形式，使得代碼清晰簡潔（如果不懂theano的話，看起來又相對費勁一些）

3. 效果上，它的速度和caffe相近，遠高於tensorFlow，但是mxnet本身支持了分佈式運算，因而在速度上必將由於caffe；內存消耗小是它的主要特徵，這意味着它應該可以同時讀入更多的圖片（batch_size可以更大），但是沒測試過。

網上有很多對比，簡單貼一個鏈接：

https://www.zhihu.com/question/36086842/answer/66118672

mxnet配置：

配置很簡單，按照官網的流程，本人在Ubuntu14.04上配置

<span style="font-size:18px;">sudo apt-get update
sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev
git clone --recursive https://github.com/dmlc/mxnet
cd mxnet; make -j4</span>

注意：如果要修改配置，需要在修改mxnet/make/config.mk，然後cp mxnet/make/config.mk mxnet/config.mk。它默認沒使用cuda，一般我們都會修改配置信息，以下是我的config.mk的部分配置：

<span style="font-size:18px;">USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda-7.0

ifeq ($(UNAME_S), Darwin)
USE_BLAS = apple
else
USE_BLAS = mkl
endif

USE_INTEL_PATH = /opt/intel</span>

至此，它就完成基本配置了

如果還需要配置python，則運行：

<span style="font-size:18px;">cd python; python setup.py install</span>

運行demo測試：這裏運行最基本的mnist

<span style="font-family:Lato, proxima-nova, Helvetica Neue, Arial, sans-serif;color:#404040;"><span style="font-size:18px;">cd mxnet/example/iamge-classification
python train_mnist.py </span></span>

運行成功，即可

網上還有另一個demo，主要運行的是example/neural-style裏面的例子

http://phunter.farbox.com/post/mxnet-tutorial2