MXNet源码级构建过程

两个步骤：
1、根据MXNet的C++源码文件构建libmxnet共享库
2、安装Python语言依赖包
外加一个测试部分

第一步：

构建环境要求：

C++编译器支持C11标准，系统安装有Git以及GNUMake工具。由于本系统是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，构建环境准备完毕。

安装BLAS库

命令：

sudo apt-get install libatlas-base-dev

键入命令后出现以下错误：

E: Unable to locate package libatlas-bas-dev

原因：为了安装libatlas需要安装以下Python依赖包

python-numpy 
python-scipy 
python-matplotlib 
ipython 
ipython-notebook 
python-pandas 
python-sympy 
python-nose 

键入命令：

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

然而，会在最后两行出现以下提示：

/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 不是符号连接
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 不是符号连接

原因：系统找的是一个符号连接，而不是一个文件。这应该是个bug….
解决方法：
1.对这两个文件更名;2.重新建立符号连接
下面是具体命令

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

然后，重新键入

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

然后，键入

sudo apt-get install libatlas-base-dev

至此libatlas安装完成

安装OpenCV

sudo apt-get install libopencv-dev

OpenCV安装顺利

构建libmxnet共享库

下载mxnet源文件

git clone --recursive https://github.com/dmlc/mxnet

下载完成，目录切换到mxnet文件夹下

make

至此，libmxnet共享库安装完成

第二步：构建Python依赖包

sudo apt-get install python-dev python-numpy

至此安装完成

第三步，测试

以下是测试部分
在～/mxnet/python/目录下操作，键入：

python

MXNet提供两种编程接口：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)

都能得到预期结果，至此，MXNet依赖库测试完毕，MXNet依赖库安装成功。