讲讲我在Linux上安装和配置MXNet的经历

本文记录了作者在Ubuntu系统上安装和配置MXNet的过程,包括从GitHub克隆源码,遇到的ippicv依赖问题,以及通过Pip安装MXNet的简便方法。在使用Pip安装后,由于找不到mxnet文件夹,作者又尝试了从源码编译,通过禁用USE_OPENCV和USE_OPENMP解决了编译和导入时的错误。最后,通过设置PYTHONPATH和复制文件确保了MXNet能在Python中正常导入。
摘要由CSDN通过智能技术生成

本人之前用的都是Caffe框架,最近碰到一个python程序是用MXNet框架实现的,主要是因为“Import mxnet as mx;"时会报No module的错误,故需要安装和配置MXNet。

回忆当初配置Caffe时的血泪史,我的内心其实是拒绝的,但好就好在MXNet依赖项不多,难度跟Caffe不在一个等级。

废话不多说,博主用的是Ubuntu系统,而且之前已经配好了CUDA、cuDNN、OpenCV等等,先从GitHub拷贝了dmlc/mxnet到服务器上,按照各种大佬的博客里说的,修改了config.mk后进行make,(注意需要g++版本在4.8以上,可以用g++ --version来查看g++版本,不然会报错)。

然而make不出意外还是报错了,报错的内容是找不到ippicv这个包,具体如下:


看到dmlc/mx

  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
为了配置MXNet环境,我们首先需要做的是安装Python和pip。Python是一种高级编程语言,并且是MXNet的主要支持语言。而pip是Python的包管理工具,用于安装和管理Python包。 接下来,我们需要使用pip来安装MXNet。打开终端或命令提示符,并输入以下命令来安装MXNet: ``` pip install mxnet ``` 安装过程可能需要一些时间,具体时间取决于您的网速和计算机性能。 安装完成后,我们可以在Python中导入MXNet来进行使用。打开Python的交互式命令行或者一个Python脚本,并输入以下命令来导入MXNet: ``` import mxnet as mx ``` 如果没有出现任何错误提示,说明MXNet已成功导入。 接下来,我们可以通过下载一些预训练模型来使用MXNetMXNet提供了一些在ImageNet数据集上预训练的模型,可以用于图像分类、目标检测等任务。我们可以使用以下命令来下载预训练模型: ``` mx.test_utils.download_model('xxx') ``` 这里的'xxx'是所需要下载的模型的名称,具体名称可以在MXNet的官方文档或GitHub页面中找到。 配置MXNet环境还可能涉及其他一些步骤,比如安装CUDA和cuDNN以支持GPU加速,或者安装其他相关的Python库。根据您的具体需求和情况,可能需要完成一些额外的配置步骤。 总之,通过安装Python和pip,然后使用pip安装MXNet,最后导入MXNet并下载需要的预训练模型,我们就可以成功配置MXNet环境,并开始使用MXNet进行深度学习和机器学习的开发工作。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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