深度学习框架MxNet配置（GPU版本）

1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/

找到与自己电脑Python版本对应（命令行使用python --v查看对应版本）的版本下载

2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口    
    
    
    ，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl    


     


     


     


，在命令行输入pip install +右键




 




 




 




，剩下的文件名部分自动粘贴   

   

   

   ，回车   
    
    
    
。

3.出错     

     

     

     

，先排除pip版本需要更新问题




  




  




  




，命令行输入python -m pip install --upgrade pip

不是pip版本问题会提示note: This is an issue with the package mentioned above, not pip.

找找上面提到的包,看到提示跟numpy 相关→打开 AnacondaPrompt 输入pip install --upgrade numpy （直接在cmd命令行输入可能会出错）
  


  


  


  ，出现raise ReadTimeoutError考虑①换源（命令行输入：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple）②科学上网


     


     


     


    。 




 




 




 


。   

   

   

   

。

     

     

     

   。真的是绝了     
     
     
     
，因为版本混乱不学Java 




   




   




   




，结果到现在依旧会被这种问题困扰到
  




  




  




  

。  


  


  


  


。 
     
     
     
  。

   




   




   




   
。 



 



 



 



。                  。


    




    




    




    。



















。                  。 报错： No module named numpy.distutils._msvccompiler in numpy.distutils; 分析：可能是因为昨天重装tb买的win10专业版

 



 



 



 ，少了一些dll


     



     



     



     。然后从源码安装numpy是需要编译的                    ，所以编译过程中出错了 解决：安装Visual Studio 2019 生成工具 选择安装c++生成工具 (根据python版本选择)

到https://wiki.python.org/moin/WindowsCompilers下载对应MinGW-w64Compiler（https://www.mingw-w64.org/downloads/）

MinGW 就是 GCC 的 Windows 版本 


















。 以上是 MinGW 的介绍  




    




    




    




，MinGW-w64 与 MinGW 的区别在于 MinGW 只能编译生成32位可执行程序

















，而 MinGW-w64 则可以编译生成 64位 或 32位 可执行程序

换源-中科大： conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --set show_channel_urls yes

最后解决：

1.科学上网安装mingw                    ，因为清华源和中科大的源都装不了   
    
    
    
。

2.下载VS2022（Community）：https://visualstudio.microsoft.com/zh-hans/downloads/【安装过程中会把编译MxNet的组件也给装了】

d2l软件包配置

这里有两种方式：

1.JupyterNotebook里面   



     



     



     



，命令前加上！

2.终端命令行激活虚拟环境


















，再用conda install 安装

CUDA    
    
    
    ，CuDNN

见我的另一篇文章

Gaphaviz下载

这里可以不用下

在conda/anaconda中配置虚拟环境(搭建GPU版本mxnet的运行环境)

1.命令行创建

# 格式：conda create -n 虚拟环境名字 python=你想要的版本号 conda create -n gluon python=3.9 conda activate gluon

可能踩的坑：

1.An unexpected error has occurred. Conda has prepared the above report.

1)删除.condarc文件（这个文件的位置一般为C:\User\Administrator.condarc    


     


     


     


，如果设置了清华/中科大源




 




 




 




，里面会保存这些镜像源的地址   

   

   

   ，删除了这个文件其实就是类似于恢复使用官方源）

2)清理缓存索引(运行命令：conda clean -i     

     

     

     

，可以删除conda中的缓存索引)

3)try close your VPN

2.激活环境后




  




  




  




，在虚拟环境中安装mxnet（在命令行输入：pip install mxnet-cu100）

3.测试MxNet-GPU是否安装成功

import mxnet as mx from mxnet import nd # 简单的展示gpu配置成功 print(mx.cpu(), mx.gpu()) # NDArray在CPU上运算 x_cpu = nd.array([1, 2, 3]) print(x_cpu) # NDArray默认在CPU上 也就是物理内存上分配 print(x_cpu.context) # 通过context来查看NDArray所在的设备 # NDArray在GPU上运算 x_gpu = nd.array([1, 2, 3], ctx=mx.gpu()) print(x_gpu) # NDArray默认在CPU上 也就是物理内存上分配 print(x_gpu.context) # 通过context来查看NDArray所在的设备

用VSCODE跑MxNEt

可能会出现如下错误：

报错提示：

Running cells with ‘Python 3.9.13 (‘ohmy39’)’ requires ipykernel package.

Run the following command to install ‘ipykernel’ into the Python environment.

Command: ‘conda install -n ohmy39 ipykernel --update-deps --force-reinstall’

报错原因：

用vscode直接跑jupyter的时候
  


  


  


  ，会出现这个错误


     


     


     


    。说明当前用的这个虚拟环境还不支持ipykernel 




 




 




 


。

解决：

# 非虚拟环境 conda install -n XXX ipykernel --update-deps ## XXX为目标conda环境 # 虚拟环境（按照提示输入对应的命令即可） conda install -n ohmy39 ipykernel --update-deps --force-reinstall

最后的建议

初学者放弃GPU版本的Mxnet吧     
     
     
     
，1.不要在本地（环境配置太多坑了）2.建议在Colab或者Kaggle上跑 




   




   




   




，蹭蹭免费的GPU 用PyTorch先入门把整个流程走一遍

 



 



 



 ，后期有余力有兴趣再整MxNet

李沐老师的《动手学深度学习》相关网址：

课程材料：http://zh.gluon.ai

互动论坛：http://discuss.gluon.ai（有一些帖子可以为你在学习的过程中遇到的问题提供一些参考）

douyu直播：https://www.douyu.com/jiangmen