深度学习框架MXNet的安装与使用

深度学习框架MXNet的安装与使用

就笔者个人理解，深度学习的框架类似于C语言中的函数库，选择不同的学习框架对于训练的加速有着不同的影响。因此，对于初学者而言，选择一个训练速度快，流行程度广切语言简洁的框架尤为重要。

常见深度学习框架与训练用时对比

学习框架	Github网页	Github Star	贡献者数	AlexNet训练耗时 (per batch in sec.)[^1]
Tensorflow	https://github.com/tensorflow/tensorflow	67396	997	0.042
MXNet	https://github.com/apache/incubator-mxnet	10800	407	0.014
CNTK	https://github.com/Microsoft/CNTK	12121	145	0.032
Caffe	https://github.com/BVLC/caffe	19720	248	0.021
Torch	https://github.com/torch/torch7	7192	132	0.023
PyTorch	https://github.com/pytorch/pytorch	6800	280	-

[^1]The GPU card for training is GTX 1080 @ 1607MHz with Pascal architecture. Data sources: https://arxiv.org/pdf/1608.07249.pdf

可以看出，目前Google开发的TensorFlow是最热门的深度学习框架，其优点是适合于大规模集群部署，也就是更利于大型网络的分布式服务器实现，缺点是训练速度较慢，使用与调试较为繁琐；MXNet的训练速度最快，且代码结构清晰。值得一提的是，MXNet的开发者大多为中国人。接下来，TensorFlow的环境配置较为简单，在Python3.0以上环境中使用pip install tendorflow命令行即可，下面介绍Windows系统中MXnet的环境配置

在Windows下配置MXNet框架

1. 由于目前的深度学习框架基本都是在pthon生态下衍生出的，因此我们首先需要安装python语言，这里推荐使用python的一个强大的资源包管理器Anaconda：https://www.anaconda.com/distribution/。 目前的MXNet需要python2.7版本

安装完成后，需进行环境变量设置，进行 控制面板\系统和安全\系统\高级系统设置\环境变量\系统变量\PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是F:\anaconda\Scripts, 看个人安装路径不同需要自己调整。随后在命令行中输入conda --version进行验证，若出现版本号，如下图，则表明安装成功

2. 如果有GPU，我们可以安装CUDA进行训练加速：https://developer.nvida.com/cuda-dowloads， 这里注意选择本地版(exe {local})；
   
   之后可以在python环境下使用pip install mxnet-cu100安装GPU版本的MXNet，注意这里的100对应10.0版本的CUDA，也可以用pip install mxnet安装CPU版本的mxnet。

3. 如果有GPU，则还需要下载cuDNN，cuDNN是Nvidia开发的用于深度神经网络的GPU加速库，能更高效地调用CUDA进行计算，下载cuDNN: https://developer.nvidia.com/rdp/cudnn-archive, 这里需要注意根据CUDA型号选择正确的cuDNN安装包

5. 下载MXNet的预编译包： https://github.com/yajiedesign/mxnet/releases，如图所示

先下载基础包（vc14 base package）,然后下载更新包，如2019****_mxnet_x64_vc14_gpu_cu***.7z，随后将基础包与更新包解压到同一个目录

6. 进行MXNet目录下，在命令行执行setupenv.cmd进行环境设置，随后，进入python子目录，在命令行执行
   python setup.py install
7. 运行python，然后在python中执行

import mxnet as mx
a=mx.nd.ones(1)
b=mx.nd.ones(1,mx.gpu())
a.asnumpy()
b.asnumpy()

如果此前安装成功，会看到这样的输出

至此，Windows10下安装MXNet的工作已经全部完成

基于MXNet框架的LeNet-5卷积神经网络简单测试

Github上关于神经网络的代码已经十分多了，我们选择一个：https://github.com/apache/incubator-mxnet， 下载完整代码（大小：17.78M）后解压进入example目录下的imageclassification目录，在命令行执行

python train_mnist.py --network lenet

如果成功运行，则可以看到网络的识别准确率随着训练迭代次数的增加而提高，如下图所示。

至此，我们已经完成了深度学习框架MXNet的安装与使用。