Windows下安装MXNet的动态图接口Gluon

新闻

2017年10月12日，微软和亚马逊又达成一致，携手发布Gluon深度学习库。意在提高所有开发者的机器学习技术的速度、灵活性和可访问性，而不考虑他们选择的深度学习框架。这项合作的第一个结果是产生了新的Gluon接口，它是Apache MXNet的一个开源码库，能够允许所有级别的开发人员对深度学习模型进行原型化（prototype）、构建和训练。这个接口极大地简化了创建深度学习模型的过程，同时又不会牺牲训练速度。

Gluon优势

一.静动态图之间的转换

TensorFlow暂时不支持动态图，PyTorch只有动态图的模式，有的时候我们的网络结构其实是一个静态图，但是通过PyTorch每次都会重新构建动态图。而Gluon提供了一个静态图和动态图之间切换的方式。

二.科研和产品双定位

PyTorch定位于科研，在Facebook内部使用Caffe2作为产品的部署和应用，那么Gluon是如何定位的呢？

官方称Gluon不仅定位于科研，同时也可用于产品。这无疑比PyTorch更好，因为这样不需要再重写代码，而且两个框架之间转化也容易丢掉一些细节，从而模型达不到之前的精度，能够有一套统一的框架，不仅能做科研，同时能够用于产品部署无疑是最好的解决方案。科研和工业界可以都用同一个框架开发，避免的代码的重写，减少劳动效率，避免出现问题。

三.快速高效简洁

这些优势并不是Gluon带来的，而是MXNet一直以来的优势。就是速度快，省显存，并行效率高，分布式简单等等。

四.丰富语言接口和多硬件支持

MXNet拥有类似于 Theano 和 TensorFlow 的数据流图，为多 GPU 配置提供了良好的配置，有着更高级别的模型构建块，并且可以在你可以想象的任何硬件上运行（包括手机）。对 Python 的支持只是其冰山一角——MXNet 同样提供了对 R、Julia、C++、Scala、Matlab，和 Javascript 的接口。

安装

MXNet在Windows下的Python whl安装包在链接：https://pypi.python.org/pypi/mxnet-cu80/，这里找到最新的版本安装即可，我这里下载了到2017.12.29最新版本的mxnet_cu80-1.0.1b20171229-py2.py3-none-win_amd64.whl。

pip install mxnet_cu80-1.0.1b20171229-py2.py3-none-win_amd64.whl

安装完成后，打开Python交互控制台，输入：

from mxnet import nd
from mxnet.gluon import nn

如果不报错，证明安装成功！