MXnet實戰深度學習1--MXnet的安裝與第一個例子
Mxnet是一個輕量化分散式可移植深度學習計算平臺,他支援多機多節點、多GPU的計算,其openMP+MPI/SSH+Cuda/Cudnn的框架是的計算速度很快,且能與分散式檔案系統結合實現大資料的深度學習。
1、基本依賴的安裝
sudo apt-get update
sudo apt-get install -y build-essential git libblas-dev libopencv-dev
2、下載mxnet
git clone --recursive https://github.com/dmlc/mxnet
3、安裝CUDA
4、編譯支援GPU的MXnet
將
mxnet/目錄裡找到mxnet/make/子目錄,把該目錄下的config.mk複製到mxnet/目錄,用文字編輯器開啟,找到並修改以下兩行:USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
修改之後,在mxnet/目錄下編譯
make -j4
5、安裝Python支援
cd python;
python setup.py install
有些時候需要安裝setuptools和numpy(sudo apt-get install python-numpy)。
6、執行Mnist手寫體識別例項
MNIST手寫數字識別,資料集包含6萬個手寫數字的訓練資料集以及1萬個測試資料集,每個圖片是28x28的灰度圖。在mxnet/example/image-classification裡可以找到MXnet自帶MNIST的識別樣例,我們可以先執行一下試試:
cd mxnet/example/image-classification
python train_mnist.py
在第一次執行的時候會自動下載MNIST資料集。
以上的命令是使用預設的引數執行,即使用mlp網路,在cpu上計算。
如果使用lenet網路,在GPU上實現加速,則使用如下命令:
python train_mnist.py --gpus 0 --network lenet
執行結果: