MXnet1.7.0/1.8.0/cu11.0-2.0.0+win10+cuda11.0+py3

在之前，我在win10上装了cuda11.0以及tf-gpu2.4.1，然后我的后续踩坑之路来了，在安装mxnet遇到了很多错误。目前仅安装上了cpu版本，gpu未试探出来，只能默默等开发者把cuda11.0的windows版本的mxnet-gpu开发出来了。
以下记录我的踩坑之路以及如何装上mxnet的cpu版本。（gpu目前还是没安上，以下有针对安gpu的一些失败问题与尝试）

最重要的话就是：目前来看，还是安装cuda10.1版本最稳定。

1.直接Pip 安装mxnet:
error: Microsoft Visual C++ 14.0 is required
前面是一大堆报错信息，大概意思是创建Numpy环境失败，倒数第二个error是error: Microsoft Visual C++ 14.0 is required，提示去官网上下载。
刚开始以为是Numpy库没有安装，结果看了看是安了的，后来才知道意思应该是numpy库依赖MVC，但是去官网下载，整体文件很大，可以自定义选择组件，但是我并不知道我缺什么组件，所以导致我自己下载完之后，仍然缺失这个环境。
也看了教程，尝试pip .whl但是仍然不行。所以乖乖下载了MVC，教程来源于：https://blog.csdn.net/weixin_40547993/article/details/89399825
资源：http://go.microsoft.com/fwlink/?LinkId=691126

然后再pip 已经下好了的whl：

pip install mxnet-1.7.0-py2.py3-none-win_amd64.whl

（记得和编译环境在同一目录下）

成功了。
但是提示了很多红色，第一句是：
pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
大概意思就是：pip的依赖解析器目前没有考虑所有已安装的包。这种行为是下列依赖冲突的根源。
解决方法，按照他提示的冲突 ，没装的库装上，版本高的改低的，低的改高的。
因为我本身有一个tf2.4.1，他需要的numpy版本很高，而mxnet需要的numpy版本很低。

2.先安装tf2.3.0再安装mx1.7.0(cpu) (d2l)

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.3.0 --user

pip install mxnet-1.7.0-py2.py3-none-win_amd64.whl

在此注意：个人认为如果主要是为了实践mxnet，建议先安装tf再安装mxnet。
因为个人情况而言，我的tf版本相对较高一点（2.3.0或者2.4.1的对我的mxnet1.7.0都有一些库不匹配，并且是tf的库高于了mx），先安装tf后，再安装mx，mx会根据自己库的版本，把相应库做降低，这样mx还能够正常使用（但肯定Tf会受到一定影响，具体都有啥影响还没试）。

有一个requets库不匹配。这个如果我改为低的，mx又不匹配，所以暂时放置这个问题。
这样安装下来，我的numpy库由1.20.0变为了1.16.6

定义pip库版本的命令：

pip install requets==2.3.0

查看版本：

pip list

import numpy
numpy.__version__

测试mxnet:

from mxnet import np, npx
from d2l import mxnet as d2l

npx.set_np()

缺失d2l库需要Pip

3.安装 mxnet-cu101==1.7.0 (gpu) (d2l-cu)

pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python

这个是cuda10.1的 （我的是cu11.0）安装后测试，发现说：缺少libmxnet.dll，（问题也可能不在于版本，而是就因为window有的Mxnet版本配置文件需要手动编译？）然后我把mxnet1.7.0cpu版本下的这个配置替换过来，然后就又可以运行了。
配置所在位置：E:\anaconda\envs\d2l_mx\Lib\site-packages\mxnet
（d2l_mx 是我当前的conda环境）
但是，这并不是跑在gpu的，仍然是跑在cpu上的，所以这个配置是决定跑在哪里的吗？有说mxnet1.6.0可以兼容cu11.0，后面试了也不行。。也有说，可以自己编译，还没有实践。
测试mxnet是跑在cpu or gpu：

import mxnet as mx
 
mxgpu_ok = False
 
try:
    _ = mx.nd.array(1,ctx=mx.gpu(0))
    mxgpu_ok = True
except:
    mxgpu_ok = False
 
print(mxgpu_ok)

翻了github上关于windows上，mxnet兼容更高版本cuda11.0的问题：
https://github.com/awslabs/gluon-ts/issues/1374
大概意思是未来会继续生产，兼容win的更高版本，但是目前还没有。
具体：


意思就是window版本在生产了，但是现在无。

4.安装mxnet cu11.0 1.8.0 linux版本直接失败 （d2d_cu110)
安装mxnet cu11.0 1.8.0 linux.whl ，直接显示这个wheel不适合这个平台。

5.创建环境后，只安装Mxnet(cpu)1.7.0
会缺失一些tf的东西，需要自己再pip上，如果之前安了tf，就只是有些版本不匹配问题。

附
Python package:https://www.lfd.uci.edu/~gohlke/pythonlibs/
mxnet windows 教程：https://mxnet.apache.org/versions/1.7.0/get_started/windows_setup
测试cpu gpu：https://zhuanlan.zhihu.com/p/260124804

6.安装cu10 1.6.0mxnet ，还是想在gpu跑
结果问题仍是找不到libmxnet.dll
找了很多解决方法：https://stackoverflow.com/questions/53286509/pyinstaller-missing-mxnet-dll
https://stackoverflow.com/questions/53286509/pyinstaller-missing-mxnet-dll
https://blog.csdn.net/huanghe_zhiyuan/article/details/108298193
https://zhuanlan.zhihu.com/p/41892378
可能需要手动编译。。先放置了这个问题