为啥选择 MXNet ?
作为深度学习库,MXNet 不仅易用,而且高效。很多小伙伴会问了,Google 的 TensorFlow 为啥不用?
我的回答是:深度学习库并不重要,重要的是如何理解深度学习里的概念,掌握深度学习的应用。
TensorFlow 固然很牛B,但是入门的门槛不是一个门外汉说跨越过去就过去的。
我们就从简单易用的 MXNet 开始,掌握深度学习里面各种各样的概念,动手去实践体验每一个算法模型,当你熟悉使用一种深度学习库时,无论你想更换什么深度学习库,都可以说是轻车熟路。
只需要应用其封装好的 API 来实现你想要的算法模型。
话不多说,装了再说
我们学习的环境采用 Windows 吧,需要 Linux 和 MacOS 的相关环境搭建的小伙伴请在公众号进行留言。
Step1 安装配置 Anaconda
为什么推荐安装 Anaconda 呢?因为它包含了 Conda、Python 等在内的大量科学包及其依赖,可以是说一步到位,减少了大量 相关依赖的操作,同时缓解了很多包在安装时依赖众多,安装起来费时费力的现象。
下载 Anaconda
官网 [ https://www.anaconda.com/download/ ] 提供两个版本的 Anaconda,分别是集成了 Python2.X 和 Python3.X 的版本,这里我们选择 Python3.6 版本的 Anaconda 下载,但是下载速度真的是慢。
这里推荐使用清华镜像站下载 [ https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ ],国内镜像相对快很多,这里我们选择最新的 Anaconda3-5.1.0-Windows-x86_64.exe 下载。
Python2.X 在编码上经常遇到一些奇奇怪怪的 Bug,为了更好的体验和学习更推荐 Python3.X 一些
安装 Anaconda
除了路径需要选择一下,一路默认安装即可,安装过程中会提示是否需要 VS Code 编辑器,我一般喜欢 Pycharm 一些,有需要 VS Code 的同学可以选择安装一下。
这里路径选择时需要注意不要用含有中文的路径,因为很多依赖包需要非 ASCII 的环境。
环境变量设置
安装完成后,在我的电脑右键-属性-高级系统设置-高级-环境变量中在path中加入你系统安装anaconda的目录路径及其下属的下的 scripts 路径,例如 和
至此,Anaconda 安装完成,我们运行 cmd 执行一下 和 命令,正常返回结果说明安装正常。
Step2 下载配置 MXNet
使用 下载以下依赖包。
如果哪个依赖提示已经安装过了就不用安装它了
在命令行中执行 ,然后 测试一下 MXNet 是否安装完成。
高级配置 - 可选
如果你用一张 NVIDIA 显卡的话,可以考虑使用 cuda 版本的 MXNet。
使用显卡计算比 CPU 还是快很多
首先下载适合你操作系统版本的 CUDA 进行安装。
下载地址:https://developer.nvidia.com/cuda-downloads
然后根据你下载的 CUDA 版本重新安装 MXNet,例如:
CUDA7.0 对应 mxnet-cu70
CUDA8.0 对应 mxnet-cu80
CUDA9.0 对应 mxnet-cu90
卸载原来 CPU 版本的 MXNet。
安装对应 GPU 版本的 MXNet,推荐使用豆瓣源加速你的下载。
目前推出了 CUDA9.1 版本,但是 pip install 找不到 mxnet-cu91,不过确实有 mxnet-cu91 这个包,需要手动下载下来 install,比较麻烦,还是先选择 CUDA9.0 比较合适
结束语
至此,MXNet 的环境算是搭完了,接下来我们将一步一步学习深度学习里面的各个算法模型,后会有期。
一个 BUG
在测试 MXNet 是否安装成功时,抛出警告:
这是因为 Numpy 的版本没有对上,需要我们卸载 Numpy,再重新安装合适版本的 Numpy,这里我选择的版本是1.13.3。
题外话
如果小伙伴在安装过程中遇到 Bug 可以再公众号留言。
领取专属 10元无门槛券
私享最新 技术干货