如何2小时快速入门MxNet？ _经验知识

【如何2小时快速入门MxNet？】一、MXnet的安装及使用
开源地址：https://github.com/dmlc/mxnet
如下是单节点的具体安装和实验流程。参考于官方文档：http://mxnt.ml/en/latest/build.html#building-on-linux
1.1、基本依赖的安装
sudo apt-get update
sudo apt-get install -y build-essential git libblas-dev libopencv-dev
1.2、下载mxnet
git clone --recursive https://github.com/dmlc/mxnet
1.3、安装cuda
详见博客：http://blog.csdn.net/a350203223/article/details/50262535
1.4、编译支持GPU的MXnet
将mxnet/目录里找到mxnet/make/子目录。把该目录下的config.mk复制到mxnet/目录。用文本编辑器打开。找到并修改以下两行：
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
修改之后。在mxnet/目录下编译
make -j4
1.5、安装Python支持
cd python;
python setup.py install
有些时候需要安装setuptools和numpy(sudo apt-get install python-numpy) 。
1.6、运行Mnist手写体识别实例
MNIST手写数字识别。数据集包含6万个手写数字的训练数据集以及1万个测试数据集。每个图片是28x28的灰度图。在mxnet/example/image-classification里可以找到MXnet自带MNIST的识别样例。我们可以先运行一下试试：
cd mxnet/example/image-classification
python train_mnist.py
在第一次运行的时候会自动下载MNIST数据集。
以上的命令是使用默认的参数运行。即使用mlp网络。在cpu上计算。
如果使用lenet网络。在GPU上实现加速。则使用如下命令：
python train_mnist.py --gpus 0 --network lenet
想要搞清楚一个框架怎么使用。第一步就是用它来训练自己的数据。这是个很关键的一步。
二、MXnet数据预处理
整个数据预处理的代码都集成在了toosl/im2rec.py中了。这个首先要造出一个list文件。lst文件有三列。分别是index label 图片路径。如下图所示：

文章插图
我这个label是瞎填的。所以都是0 。另外最新的MXnet上面的im2rec是有问题的。它生成的list所有的index都是0 。不过据说这个index没什么用.....但我还是改了一下。把yield生成器换成直接append即可。
执行的命令如下：
sudo python im2rec.py --list=True /home/erya/dhc/result/try /home/erya/dhc/result/ --recursive=True --shuffle=true --train-ratio=0.8
每个参数的意义在代码内部都可以查到。简单说一下这里用到的：--list=True说明这次的目的是make list 。后面紧跟的是生成的list的名字的前缀。我这里是加了路径。然后是图片所在文件夹的路径。recursive是是否迭代的进入文件夹读取图片。--train-ratio则表示train和val在数据集中的比例。
执行上面的命令后。会得到三个文件：

文章插图
然后再执行下面的命令生成最后的rec文件：
sudo python im2rec.py /home/erya/dhc/result/try_val.lst/home/erya/dhc/result --quality=100
以及。sudo python im2rec.py /home/erya/dhc/result/try_train.lst/home/erya/dhc/result --quality=100
来生成相应的lst文件的rec文件。参数意义太简单就不说了..看着就明白。result是我存放图片的目录。