本文是基于windows10作業系統配置MXnet環境，且搭建GPU版本mxnet的運行環境，
MXNet深度學習框架對于電腦和作業系統有如下要求：
1.作業系統是64位的; 不能是32位的作業系統，
2.擁有支持cuda的NVIDIA顯卡 1.0k，（可選，可以沒有顯卡，只用CPU也可以）
總結來講就是你電腦的系統必須是64位的，不能是32位的，因為mxnet沒有32位的安裝包，電腦有支持cuda的NVIDIA顯卡是最好的，電腦沒有顯卡也可以，只用CPU就行，點擊上面的鏈接（點擊上面的“支持cuda的NVIDIA顯卡”這幾個字）可以查看你的顯卡是否支持cuda，
mxnet不需要單獨安裝cudnn，因為mxnet自帶cudnn，
所以我們只需要安裝cuda即可，
一、安裝cuda
首先查看電腦的顯卡版本，步驟為：此電腦右擊-->管理-->設備管理器-->顯示配接器，就可以看到電腦顯卡的版本了，
有顯卡驅動的，可以直接在桌面右鍵，找到英偉達驅動控制面板打開就好了，
點擊上方 幫助——系統資訊——組件，可以看到自己電腦顯卡的CUDA最高支持多少，我的最高支持11.0.
然后安裝cuda，我安裝的是cuda10.0,安裝程式可在網站https://developer.nvidia.cn/cuda-toolkit-archive 上下載，
具體可參照這篇文章 https://blog.csdn.net/m0_37872216/article/details/103136477
二、Anaconda 的安裝
打開網址，現在是2021年12月，對應的anaconda版本是支持python3.9，如果想下載之前的版本，或者更低python版本的anaconda，可以打開網址，
雙擊下載好的anaconda安裝包，just me是說只供當前用戶使用，all user 是供使用這臺電腦的所有用戶使用，是權限問題，對空間影響不大，如果你的電腦上只有建了一個用戶，all users和just me 的作用是一樣的，所以點擊just me就好了，
然后點擊next，當讓你選擇安裝安裝路徑的時候，一定不要選擇默認安裝位置，因為默認位置是c盤，以后要在anaconda里面創建環境的時候會很占記憶體，最好在D盤中創建一個檔案夾來放anaconda，
和圖中一樣將圖中的√勾上，雖然出現紅色的警告，但是要勾上，將anaconda添加到環境變數中去，然后點擊完成就好了，
安裝完成以后，按下開始鍵（win鍵）在左邊就會出現anaconda3這個檔案夾，可以發現anaconda已經安裝好了，
三、MXnet環境安裝
安裝完成后，打開anaconda prompt這個終端（安裝anaconda的時候會自動安裝prompt到你電腦上），然后分別執行如下四個命令，將conda和pip的軟體源修改成為清華的源，這樣的話，使用conda和pip下載安裝軟體包時速度會快很多，
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple搭建GPU版本mxnet的運行環境
這里以安裝cuda 10版本的mxnet為例，首先確保你的電腦安裝了最新的顯卡驅動（驅動的安裝可以參參考本文附錄或者自己到網上搜集安裝教程），然后打開prompt終端（Windows系統）或者命令列終端（Linux系統），然后執行如下命令創建一個名為gluon的環境并且激活它：
conda create -n gluon python=3.6
conda activate gluon由于前面已經安裝過cuda10.0，所以這里就不需要這一步了，
接下來，執行如下命令來安裝mxnet：
pip install mxnet-cu100至此，安裝結束，
四、pycharm安裝--驗證MXnet是否安裝成功
這里可參照這篇博文配置 pycharm環境，
接下來驗證MXnet是否配置成功，
在Pycharm中寫入以下程式
import os
import mxnet as mxnet
mxnet.__version__如下圖所示，不報錯即為成功，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/386776.html
標籤：AI
上一篇：【機器學習】＜劉建平Pinard老師博客學習記錄＞Lasso回歸演算法： 坐標軸下降法與最小角回歸法
下一篇：從零實作深度學習框架【收藏】