上回说到编译CPU版的MXNet:
http://cherishlc.iteye.com/blog/2299864
最近攒了个带GPU的本本,,终于可以整GPU版的啦~
过程和编译CPU版的差不多,但是却花了3天时间填坑,,具体过程本文不再详述,请先编译CPU版。
与编译CPU版不同之处在于:
具体流程参加CPU版的,,本文只是对编译GPU版本踩过的坑进行记录
1、Cuda、cuDNN的安装
Cuda:
https://developer.nvidia.com/cuda-toolkit
一路狂点即可,注意下载Cuda8RC版,,否则可能有兼容问题
cuDNN:
https://developer.nvidia.com/cudnn
要用v3版本的(MXNet官网这么说的,不知道现在是否支持v4、v5)。
记得把cuDNN的DLL所在目录加到PATH里!(和CPU版的openBLAS类似)
2、OpenCV的编译
由于换了全新的本本,OpenCV我也重新编译了一下,结果栽了跟头!
- 注意把VS的工程里的编译模式debug改为release!!!
- DLL所在路径添加到PATH,,上次没有这一步,这次就栽了跟头。。。表现为运行时找不到模块,而且不会提示找不到什么模块。。。
- 编译GPU版时间老长了,,没必要。。。
3、MXNet工程的生成
上次说到直接用CMake的CMake-gui工具配置,这次出了问题,,没生成x64平台的,只有win32平台。。。还是编译时发现一堆明明存在的lib却找不到时才发现的!!!
再次安利CMake编译x64平台代码的博文:
http://cherishlc.iteye.com/blog/2302987
即使一切配置正确,,编译还是不通过,提示找不到
opencv_dep_cudart.lib,当时真是想重新编译一个CPU版的OpenCV!但是,当我将该lib从MXNet工程的输入中剔除后,编译通过了!!
只是运行时提示找不到库(还没告诉我找不到什么库。。。),后来才想起来OpenCV的DLL路径没添加到PATH
再遇到这种情况可以使用depends工具查看DLL依赖关系:
http://www.dependencywalker.com/
其中,windows相关的组件找不到貌似没啥关系,,因为我添加了OpenCV路径后依然会说windows相关的组件找不到
4、安装python版的MXNet
和CPU版完全相同,,不再赘述
5、运行示例
安装好了就可以参照PHunter的博文跑一下
Neural art了:
http://phunter.farbox.com/post/mxnet-tutorial2
只是需要注意,由于windows无法运行.sh文件,我们需要手动下载模型
windows下
nvidia-smi程序在:
C:\Program Files\NVIDIA Corporation\NVSMI 下
官方文档:
https://developer.nvidia.com/nvidia-system-management-interface
拿左图同时作为输入和style image的输出居然和他自己不一样。。。
- 大小: 207.6 KB
分享到:
相关推荐
pip install mxnet==1.7.0.post2 pip install mxnet-native==1.7.0 mxnet-cu101 means the package is built with CUDA/cuDNN and the CUDA version is 10.1.
基于Windows 10原生的GPU加速深度学习,支持Keras/Tensorflow/CNTK/MXNet and PyTorch五大框架,其中CNTK, Tensorflow, or MXNet提供GPU支持
20180422_mxnet_x64_vc141_gpu_cu91.7z, 下载自 https://github.com/yajiedesign/mxnet/releases?after=20180324,预编译版,亲测可以安装
使用Kubernetes运行MXNet和AutoTVM.pdf
CPU版的Mxnet python安装whl文件 CPU版的Mxnet python安装whl文件 CPU版的Mxnet python安装whl文件 CPU版的Mxnet python安装whl文件 CPU版的Mxnet python安装whl文件
mxnet框架
20170304_mxnet_x64_vc14_gpu
jetson的mxnet离线安装包,支持arm,1.6,cu102版本;python2及python3
mxnet 是深度学习领域的主流框架之一,近段时间还成为了Amazon的AWS默认深度学习引擎。
mxnet的1.0.0的基础上修改了kvstore部分,可以使得在softmax部分类别数目特别多的时候支持训练。亲测ok
Mxnet(20160224_win10_x64_cpu_only)。
MXNet是一个开源的深度学习框架。它可以使你能自行定义、训练、配置和部署深度人工神经网络,并且适用于从云端到移动端诸多不同的设备上。可快速模型训练、灵活...MXNet库轻量便携,并且可以扩展为多GPU或多机器模式。
MXNet中文学习笔记
这个库便携,轻量,而且能够扩展到多个 GPU 和多台机器。中文文档地址:http://mxnet.io/zh/overview.htmlMXNet 的系统架构如下图所示:内容:Documentation and TutorialsDesign NotesCode ...
jetson系列的mxnet gpu版本 预编译版本 1.4.0 安装方式 pip install mxnet-1.4.0-cp36-cp36m-linux_aarch64.whl
目前mxnet比cxxnet快40%,而且gpu内存使用少了一半。 目前mxnet还在快速发展中。这个月的主要方向有三,更多的binding,更好的文档,和更多的应用(language model、语音,机器翻译,视频)。地址在 dmlc/mxnet · ...
MXNet版本的DenseNet实现,包含预训练模型,因此您可以在预训练模型中为您自己的数据集进行微调。
2. 安装依赖 sudo apt-get update sudo apt-get install -y build-essential git ninja-build ccache libopenblas-dev libopencv-dev cmake ...4. 安装mxnet python语言绑定 python3 -m pip install --use
mxnet安装要比tensorflow简单的多,而且支持的系统也较为全面,现修改keras支持后端为mxnet。该为mxnet_backend.py的编译文件。
MXNETMxnet是一个轻量化分布式可移植深度学习计算平台,他支持多机多节点、多GPU的计算,其openMP+MPI/SSH+Cuda/Cudnn的框架是的计算速度很快,且能与分布式文件系统结合实现大数据的深度学习