最新版本深度学习框架Mxnet和gluonts报错不配（MXNetError: vector::_M_range_insert）

文章最前： 我是Octopus，这个名字来源于我的中文名--章鱼；我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ；这博客是记录我学习的点点滴滴，如果您对 Python、Java、AI、算法有兴趣，可以关注我的动态，一起学习，共同进步。

相关文章：

1. LeetCode：55. Jump Game（跳远比赛）
2. Leetcode：300. Longest Increasing Subsequence（最大增长序列）
3.  LeetCode：560. Subarray Sum Equals K（找出数组中连续子串和等于k）

---

MXNet（Apache MXNet）是一个开源的深度学习框架，支持多种编程语言，如 Python、Scala、R、JavaScript、Julia、Perl 和 C++。MXNet 的设计目标是高效、灵活，并支持多设备（如 CPU、GPU）上进行大规模训练。它的一个显著特点是支持符号式编程（Symbolic Programming）和命令式编程（Imperative Programming），这为开发者提供了高度的灵活性。

1. MXNet 的核心组件

1.1 NDArray

• NDArray 是 MXNet 中用于存储和操作多维数组的核心数据结构，相当于 NumPy 中的 ndarray。
• 支持 GPU 加速，可以在 GPU 上进行高效的并行计算。
• 支持延迟执行，允许系统优化计算图，提升效率。

1.2 Symbol

• Symbol 是 MXNet 中的符号式编程接口，适用于定义计算图。在训练过程中，整个计算图会被编译并执行。
• 符号式编程有助于优化计算图、进行内存管理和并行计算，从而提高模型的训练速度。

1.3 Module API

• Module API 是一个高级 API，封装了训练、预测和评估模型的过程。它提供了更高层次的接口，使得开发者可以更简单地定义、训练和部署深度学习模型。

1.4 Gluon

• Gluon 是 MXNet 提供的命令式编程接口，类似于 PyTorch 的设计理念。它使得模型的定义和训练更加直观和灵活。
• Gluon 支持动态计算图，允许开发者在模型训练过程中随时更改模型结构或调试代码。
• Gluon 提供了大量的预训练模型和模块（如 nn，rnn），方便快速搭建模型。

2. MXNet 的主要特性

2.1 高性能

• 高效计算：MXNet 的底层优化了计算效率，支持 GPU 并行计算和多设备分布式训练，适合大规模数据的深度学习任务。
• 内存优化：通过计算图的符号式编程，MXNet 可以在运行时对内存进行优化，减少内存占用。

2.2 灵活性

• 混合编程：MXNet 支持符号式编程和命令式编程的混合使用。你可以先使用命令式编程进行调试，然后将其转化为符号式计算图以提高效率。
• 多语言支持：MXNet 支持多种编程语言，可以无缝集成到各种开发环境中。

2.3 可扩展性

• 分布式训练：MXNet 提供了强大的分布式训练能力，可以在多台机器上进行模型训练，以处理大规模数据集。
• 自动微分：MXNet 支持自动微分，可以自动计算复杂模型的梯度，简化了优化算法的实现。

3. MXNet 的典型使用场景

• 计算机视觉：MXNet 常用于图像分类、目标检测、图像生成等计算机视觉任务。其支持的多 GPU 训练使其在处理大规模图像数据集时具有显著优势。
• 自然语言处理（NLP）：MXNet 可以用于文本分类、序列到序列模型、机器翻译等 NLP 任务。GluonNLP 是一个基于 MXNet 的 NLP 工具包，提供了丰富的预训练模型和文本处理工具。
• 强化学习：由于 MXNet 支持灵活的命令式编程和高效的并行计算，它也适合用于构建和训练强化学习模型。

4. MXNet 与其他深度学习框架的对比

• 与 TensorFlow 的对比：TensorFlow 更侧重于生产环境中的部署和可视化支持（如 TensorBoard），而 MXNet 则在灵活性和易用性方面更有优势，特别是在 Gluon API 的支持下。
• 与 PyTorch 的对比：PyTorch 和 MXNet 都支持命令式编程，但 PyTorch 社区更活跃，拥有更丰富的生态系统。然而，MXNet 在多设备分布式训练方面表现出色，并且对移动设备的支持更为完善。
• 与 Keras 的对比：Keras 更加简单易用，适合新手和快速原型设计，而 MXNet 提供了更底层的控制和优化功能，适合需要高度自定义的深度学习任务。

首先要保证安装了python，并配置好了环境变量;

我是利用windows10安装（linux环境下操作更简单）

---

windows安装pip

1） 下载安装脚本

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py           

  2)    运行安装脚本

python get-pip.py        

这个就安装好最新的pip;

注意: mxnet最新版本为1.5.1与 gluonts最新版本0.4.2不配，所有我选择使用mxnet的1.4.1

---

安装Mxnet和gluonts

1）安装mxnet

pip install mxnet==1.5.1

2) 安装gluonts

pip install gluonts==0.4.2

---

如果已经安装了最新版的框架，需要返回到旧版的，需求先卸载新版本的框架，再重启电脑，安装就版本的框架；

提示错误:

MXNetError: vector::_M_range_insert

最新的Mxnet和最新的Gluonts不配：