c++ 编译添加dll_windows下编译深度学习框架mxnet并使用C++训练模型

原文：windows下编译mxnet并使用C++训练模型 - CSDN博客

大多数情况下，mxnet都使用python接口进行深度学习程序的编写，方便快捷，但是有的时候，需要把机器学习训练和识别的程序部署到生产版的程序中去，比如游戏或者云服务，此时采用C++等高级语言去编写才能提高性能，本文介绍了如何在windows系统下从源码编译mxnet，安装python版的包，并使用C++原生接口创建示例程序。

目标

• 编译出libmxnet.lib和libmxnet.dll的gpu版本
• 从源码安装mxnet python包
• 构建mxnet C++示例程序

环境

• windows10
• vs2015
• cmake3.7.2
• Miniconda2（python2.7.14）
• CUDA8.0
• mxnet1.2
• opencv3.4.1
• OpenBLAS-v0.2.19-Win64-int32
• cudnn-8.0-windows10-x64-v7.1（如果编译cpu版本的mxnet，则此项不需要）

步骤

下载源码

最好用git下载，递归地下载所有依赖的子repo，源码的根目录为mxnet

git 

依赖库

在此之前确保cmake和python已经正常安装，并且添加到环境变量，然后再下载第三方依赖库

• 下载安装cuda，确保机器是英伟达显卡，且支持cuda，地址：https://developer.nvidia.com/cuda-toolkit
• 下载安装opencv预编译版，地址：https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.4.1/opencv-3.4.1-vc14_vc15.exe/download
• 下载openblas预编译版，地址：https://sourceforge.net/projects/openblas/files/v0.2.19/
• 下载cudnn预编译版,注意与cuda版本对应，地址：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/8.0_20171129/cudnn-8.0-windows10-x64-v7

cmake配置

打开cmake-gui，配置源码目录和生成目录，编译器选择vs2015 win64

配置第三方依赖库

configure和generate

注意：在这一步中不要勾选cpppackage选项，不然会编译不过，因为这选项是为了生成op.h这个头文件的，但是由于官网文档的bug，目前无法通过配置cmake编译自动生成，后面会讲手动生成

编译vs工程

打开mxnet.sln，配置成release x64模式，编译整个solution

编译完成后会在对应文件夹生成mxnet的lib和dll

此时整个过程成功了一半

安装mxnet的python包

有了libmxnet.dll就可以同源码安装python版的mxnet包了

不过，前提是需要集齐所有依赖到的其他dll，如图所示，将这些dll全部拷贝到mxnet/python/mxnet目录下

tips: 关于dll的来源

• opencv，openblas，cudnn相关dll都是从这几个库的目录里拷过来的
• libgcc_s_seh-1.dll和libwinpthread-1.dll是从mingw相关的库目录里拷过来的，git，qt等这些目录都有
• libgfortran-3.dll和libquadmath_64-0.dll是从adda（https://github.com/adda-team/adda/releases）这个库里拷过来的，注意改名

然后，在mxnet/python目录下使用命令行安装mxnet的python包

python setup.py install

安装过程中，python会自动把对应的dll考到安装目录，正常安装完成后，在python中就可以 import mxnet 了

生成C++依赖头文件 op.h

为了能够使用C++原生接口，这一步是很关键的一步，目的是生成mxnet C++程序依赖的op.h文件

如果直接指向编译mxnet并使用C++，前面的python包安装可以不做

在mxnet/cpp-package/scripts目录，将所有依赖到的dll拷贝进来

在此目录运行命令行

python OpWrapperGenerator.py libmxnet.dll

正常情况下就可以在mxnet/cpp-package/include/mxnet-cpp目录下生成op.h了

如果这个过程中出现一些error，多半是dll文件缺失或者版本不对，很好解决

构建C++示例程序

建立cpp工程，这里使用经典的mnist手写数字识别训练示例（请提前下载好mnist数据，地址：mnist），启用GPU支持

选择release x64模式

配置include和lib目录以及附加依赖项

include目录包括：

• D:mxnetinclude
• D:mxnetdmlc-coreinclude
• D:mxnetnnvminclude
• D:mxnetcpp-packageinclude

lib目录：

• D:mxnetbuild_x64Release

附加依赖项：

• libmxnet.lib

代码 main.cpp

#include 

编译生成目录

• 预先把mnist数据拷进去，维持相对目录结构
• 在执行目录也要把所有依赖的dll拷贝进来

运行结果

在官方的example里面有mlp的cpu和gpu两个版本，有兴趣的话可以跑起来做一个对比

其实，在某些数据量小的情况下，gpu版本并不明显比cpu版本消耗的训练时间少

至此，大功告成

支持是知识分享的动力，有问题可扫码哦