【Kaidi安装问题】下载mkl过慢

最新推荐文章于 2025-01-13 20:21:59 发布
最新推荐文章于 2025-01-13 20:21:59 发布
阅读量2.2k 收藏 1
点赞数 1
分类专栏： 智能语音 文章标签： kaldi安装
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mimiduck/article/details/107356237
版权

执行install_mkl.sh时会下载mkl，但是国内速度过于慢，而且因为过慢的速度，还是timeout。真是无法忍受。

那么看一下是否可以另辟蹊径呢？

当然，如果可以人肉FQ也是可以的，不过大多同学可能没有这个条件

解决问题

首先从脚本出发,看到注释里其实是有下载地址的.那么我们就尝试一下手动下载吧
脚本截图
下载地址为 https://software.intel.com/mkl/choose-download
幸好这个intel的地址是没有被墙的,所以可以直接去访问下载,速度还是可以的.
下载地址
在下载之前需要注册一下
下载随便填一下主要是留个邮箱即可.
注册注册后就可以选择intel的下载包,注意选择MKL FOR LINUX
下载页面

下载完成后,解压安装包.里面有个install_GUI.sh脚本,用root执行它.然后执行安装.
安装界面
安装完成后,在Kaldi源码中找到并执行check_dependencies.sh,此时不会再提示mkl需要安装了.

numpy+mkl的安装文件下载速度过慢及版本选择问题
01-06
1.安装问题 先说明一下这个安装包可以从官网下载（版本选择看下一部分）https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 但是！！！ 下载速度真是宇宙超级无敌慢！好几次都给我卡断网了，不到200M的东西要下好几个小时。我将自己下载的文件上传到了网盘上，所以如果跟我是同一个版本的可以直接下载。 下载完成后打开cmd输入下列命令 pip install C:\Users\11384\Desktop\numpy-1.16.4+mkl-cp37-cp37m-win_amd64.whl 其中install后面的是我们下载的numpy+mkl文件的存放位置
torch 2.3.0 requires mkl＜=2021.4.0,＞=2021.1.1, which is not installed.
D_Fortune的博客
09-16 414
【代码】torch 2.3.0 requires mkl＜=2021.4.0,＞=2021.1.1, which is not installed.
MKL速度变慢的原因
jsa158的博客
08-28 2292
若设置兼容模式mkl_cbwr_set(MKL_CBWR_COMPATIBLE)，则速度明显变慢
Intel官网下载驱动非常慢
moji23333的博客
09-02 1万+
修改host文件 添加以下内容 23.65.245.27 www.Intel.cn 13.249.87.19 downloadmirror.Intel.com 13.249.87.90 downloadmirror.Intel.com 13.249.87.90 downloadmirror.Intel.com 13.249.87.123 downloadmirror.Intel.com
mkl 简介、中文文档、中英对照文档 下载
寒水馨
02-03 1697
mkl 简介、中文文档、中英对照文档 下载；org.bytedeco、mkl、中文文档、中英对照文档、下载、包含jar包、原API文档、源代码、Maven依赖信息文件、翻译后的API文档、bytedeco、mkl、中英对照文档、jar包、java；mkl-2022.0-1.5.7.jar；JavaCPP预设MKL，MKL：Math Kernel Library，英特尔数学核心函数库。当您需要高性能执行计算时，请使用英特尔数学核心函数库（英特尔 MKL）。英特尔 MKL 提供高度优化和广泛线程化的例程，可实施
numpy-mkl的下载地址
study_jiang_up的博客
05-27 2505
不要使用pip3直接在终端安装，因为pip3默安装的是numpy，而不是numpy+mkl。采用在第三方库中手动下载后，再安装的方式。第三方库网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy。
语音学习-kaldi在虚拟机上的安装详解
qq_36444303的博客
06-12 870
kaldi在Linux上安装与编译 （经过自己慢慢的摸索，终于在虚拟机上把kaldi给装好了，并运行了最简单的yesno，这个过程自己一个人弄还是收获挺多的） 首先安装kaldi需要准备的环境 1，装好Vmware Workstation, 2，在VM上创建一个新的虚拟机 3，虚拟机的创建记得把硬盘容量设大点（50G以上） 在上面的环境准备好之后，就可以在虚拟机上安装Kladi了 开启虚拟机，开启...
CVPR2019|最新更新论文~持续更新|CVPR2019百度云下载
热门推荐
王博（Kings）的博客
04-18 3万+
CVPR论文下载百度云链接：链接：https://pan.baidu.com/s/100OAXTIOTPoMjbi-dwOcxA 提取码：请关注【计算机视觉联盟】微信公众号，回复：CVPR2019 今天更新到2019年6月10号 目录 今天更新到2019年6月10号 目标检测、行人检测、视频超分辨等 FAIR工作、视频跟踪、人脸识别、动作识别 行人检测、图像生成、步态识别 目标...
kaldi 安装
LittleConner的博客
05-13 441
kaldi 安装 环境 gcc-8.4,cuda-10.1,centos 7 下载 kaldi git clone https://github.com/kaldi-asr/kaldi.git 进入到tools 中，按照 INSTALL 文件执行 cd <kaidi-root>/tools cat INSTALL 进入到 src 中，按照 INSTALL 文件执行（其使用的默认 cuda 可能不对，查看 configure 文件设置 cuda 位置） cd <kaidi-root
Intel MKL库
01-23
MKL Intel 英特尔数学核心库提供经过高度优化和大量线程化处理的数学例程，面向性能要求极高的科学、工程及金融等领域的应用。
intel-mkl.win-x86-2024.2.2
12-29
intel mkl 2024 的 x86 版本的C++依赖库，也是最后一个X86版本
mkl-2018.0.3-1.tar
07-27
anaconda3 安装 tensorflow1.8.0时要用的包，大小182M,可直接用pip安装 .注意这个是2018.0.3-1,我的资源里还有个2018.0.2-1,安装时注意版本
mkl-2018.0.3离线安装包（附安装说明）
12-11
windows + anaconda 安装pytorch时，直接利用官网的conda命令安装时，需要安装mkl-2018.0.3，但是该库下载极慢，所以通过其他途径下载下来了mkl-2018.3文件，然后利用conda进行离线安装。最终顺利安装成功。
w_mkl_2018.1.156.exe
06-25
Intel数学核心函数库（MKL）是一套高度优化、线程安全的数学例程、函数，面向高性能的工程、科学与财务应用。英特尔 MKL 的集群版本包括 ScaLAPACK 与分布式内存快速傅立叶转换，并提供了线性代数 (BLAS、LAPACK 和Sparse Solver)、快速傅立叶转换、矢量数学 (Vector Math) 与随机号码生成器支持。
【AIDD药物研发】张载熙-生成式AI4药物发现
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-13 195
最近需要简单了解喜爱AIDD流程以及相关进展调研，看到zaixi zhang正在做相关研究，进行下面的学习记录张载熙中国科学技术大学计算机科学与技术学院2021级博士生（导师刘淇教授），认知智能全国重点实验成员，本科毕业于中国科学技术大学少年班学院。博士阶段研究方向是AI for Science和可信可解释机器学习，以第一作者身份发表CCF-A学术论文9篇，多次获得会议亮点论文(Spotlight)，相关成果已被国际同行引用近900次，引用者包括图灵奖得主Yann LeCun等著名学者。
避免使用对抗性T恤进行检测
TensorFlowNews
10-19 778
了解最新的T恤图案背后的最新研究，该模型欺骗了先进的人体检测系统 作者|Param Raval 编译|Flin 来源|towardsdatascience 一个穿着特定类型的T恤的人如何使人身检测和人类监视系统看不见他？好吧，研究人员已经发现并利用了深度神经网络的致命弱点——一些最好的物体检测器（YOLOv2，Faster R-CNN，HRNetv2等）背后的框架。 较早的方法 在[1]中，作者设法在实际使用案例中获得了57％的基准欺骗准确性。但是，这并不是第一次尝试欺骗对象检测器。在[2]中，作者为他们
C语言mkl库32位下载,flywheel
weixin_29355333的博客
05-20 423
Deep Neural Network Library (DNNL)NoteStarting with version 1.1 the library is renamed to DNNL. Please readIntel MKL-DNN to DNNL Transition Guide.NoteVersion 1.0 brings incompatible changes to the 0.2...
解决whl文件直接下载过慢的问题
Leo的博客
01-17 2119
当我们从下载python所需库的whl文件时，会碰到直接下载速度过慢的问题。如下载tensorflow1.15（https://pypi.org/project/tensorflow/1.15.0/#files），点击下载，如下图所示。 将下载的链接复制到迅雷打开，就能更快地下载相应文件。 ...
% File: genpts_igarch.m % Purpose: Generates point-set plots for IGARCH posterior approximation. % Date: February 7, 2019 % 添加依赖项 % File: genpts_igarch_modified.m % Purpose: Generates point-set plots for IGARCH posterior approximation (适配归一化数据版本) % Date: [修改日期] % 添加依赖项 addpath('../lib'); % Drop sites nPart = 1000; drop = false(nPart, 1); % =================================================== % 数据读取部分（适配归一化数据） % =================================================== % =================================================== % 数据读取部分（适配归一化数据） % =================================================== file_path = 'C:\Users\KaiDi\Desktop\sp-mcmc-master (1)\sp-mcmc-master\src\ppr\processed_data钢管数据归一化处理.xlsx'; % 使用归一化后的数据文件 T = readtable(file_path); % 从归一化数据计算对数收益率 % =================================================== % 修改后的关键代码段：确保价格指数为正数 % =================================================== price_index = T.Normalized_PriceIndex; % 处理可能的非正值：添加最小偏移量确保数值稳定性 price_index = price_index + 1e-6; % 确保所有值
最新发布
04-18
<think>好的，用户的问题是关于如何修改genpts_igarch.m脚本，以适配归一化数据并生成IGARCH后验近似的点集图。需要处理依赖项添加、数据读取和对数收益率计算的调整。我需要结合用户提供的引用中的代码片段，特别是引用[2]里的IGARCH模型参数估计和波动率计算部分，来推断可能的MATLAB脚本修改步骤。 首先，用户提到使用归一化数据，这意味着数据需要标准化处理。在MATLAB中，可能需要用zscore函数对原始数据进行归一化。然后，数据读取部分可能需要从文件读取，比如CSV或Excel文件，确保数据正确加载并进行处理。 接下来是对数收益率的计算调整。通常，对数收益率的公式是$r_t = \ln(P_t) - \ln(P_{t-1})$，但归一化后可能需要调整。用户可能需要先将价格数据归一化，再计算收益率，或者对收益率本身进行归一化。需要明确步骤，可能参考引用中的Python代码，将其转换为MATLAB语法。 依赖项添加方面，用户可能需要确保所有必要的函数和工具箱已加载，比如统计和机器学习工具箱用于zscore，金融工具箱用于时间序列分析。此外，如果genpts_igarch.m原本依赖其他自定义函数或脚本，需要检查路径是否正确。 然后，IGARCH模型的后验近似点集图生成部分。根据引用[2]中的参数估计，可能需要调整参数估计过程，使用归一化后的数据。波动率计算部分需要对应修改，确保sigma2的计算考虑到归一化的影响，可能需要调整参数初始值或计算公式。 还需要注意，在MATLAB中处理时间序列索引可能与Python不同，需要正确设置时间索引以匹配数据点。绘图部分可能需要调整坐标轴标签，注明使用了归一化数据，并确保图像正确显示后验点集。 可能存在潜在的问题，比如归一化后的数据范围变化影响模型参数估计，需要验证调整后的模型是否仍能正确收敛。此外，数据读取路径是否正确，文件格式是否匹配，以及MATLAB版本兼容性等问题也需要考虑。 总结步骤应该是：加载依赖项、读取并归一化数据、调整对数收益率计算、修改IGARCH参数估计过程、生成后验点集图并验证结果。需要逐步指导用户修改脚本的各个部分，并提醒可能的注意事项，如路径设置、参数调整和结果验证。</think>### 分步解决方案 #### 1. **数据归一化处理** 在MATLAB中添加数据标准化步骤，确保输入数据符合IGARCH模型要求： ```matlab % 读取原始数据（示例） data = readtable('your_data.csv'); prices = data.Close; % 归一化处理（z-score标准化） normalized_prices = zscore(prices); ``` #### 2. **调整对数收益率计算** 修改收益率计算公式，使用归一化后的价格数据： ```matlab % 计算对数收益率（基于归一化数据） log_returns = diff(log(normalized_prices)); ``` #### 3. **修改IGARCH参数初始化** 根据引用[2]中的参数结构，调整参数初始化逻辑： ```matlab % 初始化IGARCH参数（示例值） vol = std(log_returns); miu = mean(log_returns); parameter_IGARCH = [vol, 0.66, miu]; % [alpha_0, beta_1, miu] ``` #### 4. **更新似然函数计算** 调整波动率计算过程以适应归一化数据： ```matlab function L = L_IGARCH(parameter) sigma2 = parameter(1)^2; % 初始波动率 L = 0; for i = 1:length(log_returns) residual = log_returns(i) - parameter(3); L = L + 0.5*(log(2*pi) + log(sigma2) + residual^2/sigma2); sigma2 = parameter(1) + (1-parameter(2))*(residual^2) + parameter(2)*sigma2; end end ``` #### 5. **优化器调用与后验采样** 使用MATLAB优化工具进行参数估计，并生成后验点集： ```matlab % 参数优化 options = optimset('Display','iter','MaxIter',1000,'TolX',1e-9); [res_params, fval] = fminsearch(@L_IGARCH, parameter_IGARCH, options); % 生成后验近似点集（示例） posterior_samples = mvnrnd(res_params, cov_matrix, 1000); ``` #### 6. **绘图代码调整** 修改绘图部分标注说明和坐标轴范围： ```matlab figure; scatter(posterior_samples(:,1), posterior_samples(:,2)); xlabel('Alpha_0 (归一化)'); ylabel('Beta_1 (归一化)'); title('IGARCH后验参数分布'); ``` ###
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值