Ubuntu 16.04下GPU版本mxnet环境搭建详细说明

      之前短暂使用过tensorflow，由于我比较看重框架的效率，而mxnet同时支持动态和静态计算图，内存管理也做了优化。除此之外，以前一直为人诟病的文档问题也得到了很大改善（李沐的深度学习教学视频，课程教材），现转战mxnet，将环境搭建过程与大家分享。课程教材中有mini conda下的安装过程，我使用的是Anaconda，一个更全面的集成包。现默认Ubuntu 16.04已安装到位，接下来步骤如下：

1. 在国内镜像（推荐清华镜像）下载linux版本最新的anaconda3，如Anaconda3-5.0.1-Linux-x86_64.sh，终端运行安装包，完成安装后，anaconda的环境变量会被添加到 .bashrc文件中（log-in和non log-in模式都会读取的环境变量文件）。

2. 安装cuda。mxnet支持cuda9，所以直接去nvidia官网下载cuda9的deb文件（之前有推荐runfile安装，亲测deb文件安装也没有问题），具体安装步骤按照nvidia给出的说明操作即可。需要注意的是，安装完成后在 .bashrc中添加环境变量 

export LD_LIBRARY_PATH="/usr/local/cuda/lib64/:$LD_LIBRARY_PATH"

为了验证GPU是否就位，终端输入nvidia-smi查看显卡使用状态，如能显示nvidia驱动版本及GPU状态，则说明已经成功。linux默认是nouveau，但我安装好后自动就能识别出nvidia的驱动，如果识别不出还需要手动关闭nouveau。

3. 安装cudnn7， 推荐解压缩安装，将解压缩的文件复制到cuda对应的lib和include目录下。下载需要注册和登录，详细安装步骤见nvidia给出的官方说明。

4. 推荐pip安装mxnet，土豪gpu版本：

pip install mxnet-cu90==1.0.0

豪华至尊gpu+mkl版本

pip install mxnet-cu90mkl==1.0.0

如果需要用到mxnet.viz可视化工具（可选），还需安装

sudo apt-get install graphviz
pip install graphviz

安装完成后，ipython中 import mxnet as mx，可能会报错

ImportError: libgfortran.so.3: cannot open shared object file: No such file or
directory

终端输入 sudo apt-get install libgfortran3。至此mxnet环境搭建基本完成，推荐使用jupyter notebook，按照 zh.gluon.ai中教程和bilibili中李沐的视频，愉快地搭建你的深度学习模型吧：）

最后简单谈下用户体验，Amazon和Microsoft联合推出的gluon，用来搭建深度学习模型真的很简洁，静态图和动态图相结合的方式也非常灵活，后面还会继续写关于mxnet的使用体会，先这样吧