mxnet 配置与 demo

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

这是比较新的深度学习框架（号称第二代的深度学习框架），它的核心使用C++实现，并提供C风格的头文件。对比其他的深度学习框架，如caffe、theano，它的特点主要是：

1. 编程上，它将声明式编程和命令式编程相结合。使得代码运行更快捷（这是事实）、语义更容易理解（这就见仁见智了，反正看的挺头疼）

2. 自身实现上，它的底层数据格式引用了theano里面的tensor和TBlob的形式，使得代码清晰简洁（如果不懂theano的话，看起来又相对费劲一些）

3. 效果上，它的速度和caffe相近，远高于tensorFlow，但是mxnet本身支持了分布式运算，因而在速度上必将由于caffe；内存消耗小是它的主要特征，这意味着它应该可以同时读入更多的图片（batch_size可以更大），但是没测试过。

网上有很多对比，简单贴一个链接：

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

mxnet配置：

配置很简单，按照官网的流程，本人在Ubuntu14.04上配置

[plain]  view plain  copy

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

 注意：如果要修改配置，需要在修改mxnet/make/config.mk，然后cp mxnet/make/config.mk mxnet/config.mk。它默认没使用cuda，一般我们都会修改配置信息，以下是我的config.mk的部分配置：

[plain]  view plain  copy

1. <span style="font-size:18px;">USE_CUDA = 1  
2. USE_CUDA_PATH = /usr/local/cuda-7.0  
3.   
4. ifeq ($(UNAME_S), Darwin)  
5. USE_BLAS = apple  
6. else  
7. USE_BLAS = mkl  
8. endif  
9.   
10. USE_INTEL_PATH = /opt/intel</span>  

至此，它就完成基本配置了

如果还需要配置Python，则运行：

[html]  view plain  copy

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

运行demo测试：这里运行最基本的mnist

[plain]  view plain  copy

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

运行成功，即可

网上还有另一个demo，主要运行的是example/neural-style里面的例子

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