- 综合排序
- 最热优先
- 最新优先
- 来自专栏漫漫深度学习路
mxnet-Gluon（一）：mxnet-Gluon 入门
安装 pip uninstall mxnet pip install --pre mxnet-cu75 # CUDA 7.5 pip install --pre mxnet-cu80 # CUDA 8.0 自动求导 在 0.11 之前的版本中， mxnet 的 NDArray 是不支持自动求导，自动求导的支持仅存在与 mxnet 的符号编程中，但是为 Gluon（基于mxnet 的动态图框架）， mxnet 对于 NDArray 也提供了自动求导机制， 通过 mxnet.autograd 来支持 from mxnet import nd from mxnet import autograd # nd.NDArray 计算 loss 反向传导得到 模型参数的梯度信息 更新参数 from mxnet import nd from mxnet.gluon import nn from mxnet.gluon import 里面有很多优化器 mxnet.nd 对于 NDArray 的 op 级别操作在这里 如何使用 GPU 当进行运算的值都处于 GPU 上时，则运算发生在 GPU 上。
1.5K60发布于 2018-01-02 - 来自专栏AIUAI
MXNet - Ubuntu安装
MXNet - 安装 基于Ubuntu14.04/16.04，Python，GPU，Build from Sources Prerequisites CUDA8.0 cuDNN v5 for LD_LIBRARY_PATH： export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH 编译 MXNnet核心库 从 C++ 源码编译 MXNet sources and build MXNet core shared library. $ git clone --recursive https://github.com/dmlc/mxnet $ cd mxnet $ make -j $(nproc) USE_OPENCV=1 USE_BLAS=openblas USE_CUDA=1 USE_CUDA_PATH=/usr/local/cuda USE_CUDNN=1 编译 MXNet的Python API # Step 1 Install prerequisites - python setup tools and numpy. $ sudo
1.1K40发布于 2019-02-18 - 来自专栏全栈程序员必看
MXNet gpu 版本快速安装（mxnet-cu101)
最近有项目要用mxnet，要从头开始配置mxnet，记录一下全过程，先说下在Windows 10下的安装GPU版本的问题。 4、安装Mxnet GPU 一般情况下，我使用的都是anaconda，这时创建一个环境，比如名称为mxnet36，然后用命令 conda activate mxnet36 切换到该环境中再安装mxnet-cu101 安装Mxnet GPU 我最初使用conda install mxnet-gpu，发现安装的是cudatoolkit9.0，然后到 https://anaconda.org/anaconda/mxnet-gpu 这个是比较经典的，找不到mxnet-gpu版本，而只找到了mxnet cpu版本的报错。 于是我卸载了mxnet， (mxgpu36) C:\Users\SpaceVision>pip uninstall mxnet Found existing installation: mxnet 1.5.0
3.7K20编辑于 2022-11-18 - 来自专栏繁依Fanyi 的专栏
mxnet 数据操作
创建NDArray 1.1 模块导入： from mxnet import nd 1.2 创建行向量： x = nd.arange() ● 示例： 1.3 获取NDArray实例的形状 x.shape
86730编辑于 2023-05-07 - 来自专栏瓜大三哥
Caffe、TensorFlow、MXnet
MXNet的NDArray类似numpy.ndarray，也支持把数据分配在gpu或者cpu上进行运算。 这样的方式跟mxnet很相似，应该都是借鉴了theano的想法。 其中TensorFlow还引入了Variable类型，它不像mxnet的Variable属于symbol（tf的operation类似mxnet的symbol），而是一个单独的类型，主要作用是存储网络权重参数 tf没有像mxnet那样给出很好的图形解释或者实例(可能因为我没找到。。)，按照自己的理解画了一部分流程图。 MXNet通过执行脚本时指定多机节点个数来确定在几台主机上运行，也是数据并行。MXNet的多gpu分配和它们之间数据同步是通过MXNet的数据同步控制KVStore来完成的。
1.3K90发布于 2018-02-26 - 来自专栏视觉求索无尽也
【学习使用MXNet】安装MXNet参考自资料安装步骤
jupyter notebook 如果不能成功import mxnet，就要用pip安装mxnet包。 （我一开始没有用pip就不能import mxnet，此时用pip list查看已安装的软件包没有mxnet，后面使用pip install mxnet安装成功后就可以import mxnet了）
2K20发布于 2018-09-13 - 来自专栏漫漫深度学习路
ubuntu16.04 mxnet
最近一直在配置深度学习的几个框架，坑无限多，在这里记录一下配置mxnet的过程。 cd mxnet; make -j$(nproc) 这里有一些问题， 我第一次使用的是gcc-4.9，在编译的时候一直报错，推荐使用gcc-5.4（我就是这么成功的）。 如果你想使用GPU的话，需要将 make/configure 文件copy到mxnet主目录进行修改 USE_CUDA=1 并将 CUDA_PATH = /usr/local/cuda （我没有使用 GPU，因为前几次用gcc-4.9编译的时候伤心了，你们大可试一下） 第三步：让你的python找到mxnet sudo apt-get install python-setuptools sudo /.bashrc 在此文件的最后添加 export PYTHONPATH=~/mxnet/python 保存，退出 然后 source $HOME/.bashrc OK了
86820发布于 2019-05-28 - 来自专栏AI工程落地
Mxnet模型性能优化
本文讨论mxnet模型tesorrt优化，主要解决动态batch、Op不支持问题。 1. 环境信息 cuda 10.2.89 cudnn 8.0.3.33 mxnet-cu102 1.8.0 0.2.6 onnxruntime 1.8.0 onnxruntime-gpu-tensorrt 1.4.0 tensorrt 7.1.3.4 2. mxnet to onnx from mxnet.contrib import onnx as onnx_mxnet symbol_model = ". /face_recg_2.3-0000.params" onnx_path = "face_recg.onnx" input_shape = (1, 3, 224, 192) onnx_mxnet.export_model
69820编辑于 2022-02-25 - 来自专栏全栈程序员必看
Operators in MXNet-BatchNorm
本篇文章将对mxnet的BatchNorm操作进行详细说明, 源码见src/operator/batch_norm-inl.h. 现将源码batch_norm-inl.h.及注释贴上. _ #define MXNET_OPERATOR_BATCH_NORM_INL_H_ #include <dmlc/logging.h> // mxnet的日志头文件. #include <mxnet/operator.h> // 在include/mxnet下, 定义操作基类(operator), 操作属性类, 方法等. 对OP或Prop的函数进行声明. /operator_common.h" // src/operator下, mxnet的层一些常用的属性. #include ". OpContext结构体定义见include/mxnet/operator.h.
52510编辑于 2022-08-24 - 来自专栏分享技术
MXNet安装和NDArray
1.MXNet安装1.1 安装cuda和cuDNN关于这个网上一堆教程，在我看来都是非常错误的，一堆驱动错误什么的，乱七八糟。 1.2 安装MXNet-Python这里只推荐一种方法，virtualenv和pip，具体怎么操作看MXNet官网，说的很明白了。 注意，pip install需要制定cuda的版本，比如pip install mxnet-cu80这种。 ： import mxnet as mxa = mx.nd.ones((2, 3), mx.gpu())b = a * 2 + 1b.asnumpy()能打印除b就没问题了。 NDArray模块这是这篇的重点了，安装完MXNet就可以看看MXNet最重要的数据结构NDArray。NDArray是一种n维阵列，其中可包含类型与大小完全一致的项（32位浮点、32位整数等）。
43010编辑于 2023-11-26 - 来自专栏有三AI
【mxnet速成】mxnet图像分类从模型自定义到测试
https://github.com/longpeng2008/LongPeng_ML_Course 01mxnet是什么 mxnet是amazon的官方框架，下面参考mxnet的官方简介 https: MXNet尝试将两种模式无缝的结合起来。 在命令式编程上MXNet提供张量运算，进行模型的迭代训练和更新中的控制逻辑；在声明式编程中MXNet支持符号表达式，用来描述神经网络，并利用系统提供的自动求导来训练模型。 随着pytorch的崛起，mxnet已经掉出前三梯队，但不影响喜欢它的人使用。 https://github.com/apache/incubator-mxnet 03mxnet自定义数据 下面就开始我们的任务，跟以往项目一样，从自定义数据和自定义网络开始。
80010发布于 2019-07-25 - 来自专栏深度应用
实战一·使用MXNet拟合曲线（对比MXNet，PyTorch与TensorFlow实现的区别）
[MXNet逐梦之旅]实战一·使用MXNet拟合曲线（对比MXNet，PyTorch与TensorFlow实现的区别） 在之前的博文中我们用TensorFlow与PyTorch进行了拟合曲线，到达了不错的效果 我们现在使用MXNet进行相同的曲线拟合，进而来比较一下TensorFlow与PyTorch的异同。 搭建神经网络进行训练的步骤基本相同，我们现在开始用MXNet来实现。 搭建网络 from mxnet.gluon import loss,nn,data from mxnet import autograd, nd, gluon,init import numpy as
1.1K30发布于 2019-06-27 - 来自专栏吕晟的专栏
机器学习库初探之MXnet
MXNet名字源于”Mix and Maximize”。MXnet 的目标就是希望把 cxxnet 这样强调性能静态优化的 C++ 库和灵活的 NDArray 有机结合在一起。 支持符号计算 MXNet 支持基于静态计算流图符号计算。计算流图不仅使设计复杂网络更加简单快捷，而且基于计算流图，MXNet 可以更加高效得利用内存。 ://github.com/dmlc/mxnet cd mxnet; cp make/osx.mk . MXnet体验 以下借助 MXnet 实现了一个简单的单变量线性回归程序： Python import mxnet as mx import numpy as np import matplotlib.pyplot MXnet 真正厉害之处在于可以结合命令式编程和符号式编程两种风格。此外，MXnet 安装相对简单，社区活跃，文档虽然还不完善，好在易读易懂，代码也相对丰富，还是很容易上手的。
2.2K10发布于 2017-07-06 - 来自专栏祥子的故事
MXNet | 手写字MNIST识别比赛
pan.baidu.com/s/1sl50KjV 密码：ca56 读取数据集，这里用readr中的函数read_csv，读取速度快高效 setwd("F:\\迅雷下载\\mnist") require(mxnet 下面给出完整的代码： setwd("F:\\迅雷下载\\mnist") require(mxnet) library(readr) train <- read_csv('train.csv') test
94830发布于 2019-02-18 - 来自专栏Ldpe2G的个人博客
Mxnet 实现图片快速风格化
fast-nueral-style 2, Tensorflow fast-nueral-style 3, Keras fast-nueral-style 4, Chainer fast-nueral-style 5, 还有我基于Mxnet 实现的一个版本： Mxnet fast-nueral-style 正文 框架介绍 论文的提出一个网络框架来解决图像变换的问题，然后论文在两个任务上做了实验，图像的风格化 和超分辨。 网络的定义的细节或者看代码更直接易 懂：https://github.com/Ldpe2G/DeepLearningForFun/blob/master/Mxnet-Scala/FastNeuralStyle 复现结果展示 接下来看看用Mxnet复现的结果。速度还可以，在GTX 1070 GPU上分辨率 1500 x 1000 的图片 也就0.3s 左右。效果也不错。 ? ? ? ? ? ? ? ? ?
75930发布于 2018-07-09 - 来自专栏Ldpe2G的个人博客
Mxnet 实现图片快速风格化
fast-nueral-style 2, Tensorflow fast-nueral-style 3, Keras fast-nueral-style 4, Chainer fast-nueral-style 5, 还有我基于Mxnet 实现的一个版本： Mxnet fast-nueral-style 正文 框架介绍 论文的提出一个网络框架来解决图像变换的问题，然后论文在两个任务上做了实验，图像的风格 化和超分辨。 网络的定义的细节或者看代码更直接易 懂：https://github.com/Ldpe2G/DeepLearningForFun/blob/master/Mxnet-Scala/FastNeuralStyle 复现结果展示 接下来看看用Mxnet复现的结果。速度还可以，在GTX 1070 GPU上分辨率 1500 x 1000 的图 片也就0.3s 左右。效果也不错。
53570发布于 2018-06-21 - 来自专栏Ldpe2G的个人博客
Mxnet Scala Package 学习笔记 一
前言 从刚开始接触Mxnet这个框架到现在已经大概四个月了。 Mxnet是我第一个参与的开源项目，可以说这四个月来我学到了很多东西。 本文的其中目的在于介绍一下如何用 Mxnet Scala 包来开发自己的 deep learning 的应用，有 哪些坑需要注意的，最后就是安利一下Mxnet 这个框架了。 编译Mxnet Scala 包 首先要做的就是要编译出Mxnet的jar包了，环境配置具体可以看官方网站上的流程，这里就 不重复了，https://mxnet.readthedocs.io/en 用Mxnet实现矩阵分解（Matrix Factorization With Mxnet） 用Mxnet Scala 包实现一下矩阵分解，就是推荐系统常用到的矩阵分解，主要是参考这位大 神的博客
54420发布于 2018-07-09 - 来自专栏Ldpe2G的个人博客
Mxnet Scala Package 学习笔记 一
前言 从刚开始接触Mxnet这个框架到现在已经大概两年了。 MXNet是我第一个参与的开源项目，可以说这两年来来通过对源码的贡献我学到了很多东西。 本文的其中目的在于介绍一下如何用 MXNet Scala 包来开发自己的 deep learning 的应用， 有哪些坑需要注意的，最后就是安利一下MXNet 这个框架了。 编译Mxnet Scala 包 首先要做的就是要编译出MXNet的jar包了，环境配置具体可以看官方网站上的流程，这里就 不重复了，https://mxnet.readthedocs.io/en s3.jpg 用MXNet实现矩阵分解（Matrix Factorization With MXNet） 用MXNet Scala 包实现一下矩阵分解，就是推荐系统常用到的矩阵分解，主要是参考这位大
59430发布于 2018-06-22 - 来自专栏菩提树下的杨过
mxnet安装及NDArray初体验
一、mxnet安装 (以下均为mac环境) 有二种方式： 1.1 用conda安装 1 #创建gluon目录 2 mkdir gluon-tutorials && cd gluon-tutorials 安装 1 brew update 2 brew tap homebrew/science 3 brew info opencv 4 brew install opencv 5 pip install mxnet 2.2 创建矩阵 1 from mxnet import ndarray as nd 2 x = nd.array([[1,2],[3,4]]) 3 print(x) 4 y = nd.array([[ 2.9 取第几行/第几列 1 from mxnet import ndarray as nd 2 x = nd.array([[1,2],[3,4],[5,6],[7,8]]) 3 print(x) 4 1 import mxnet.ndarray as nd 2 import mxnet.autograd as ag 3 x = nd.array([[1,2],[3,4]]) 4 print(x) 5
1.2K60发布于 2018-01-18 - 来自专栏祥子的故事
MXNet | 在R语言中使用
亚马逊将MXNet指定为官方深度学习平台，1月23日MXNet成为Apache的卵化项目。 无疑，这些将MXNet推向深度学习的热潮中，成为热捧的项目。 当然，学习MXNet也是很有必要的。哈哈，加油深度学习。 install.packages("drat", repos="https://cran.rstudio.com") drat:::addRepo("dmlc") install.packages("mxnet 分类 下面以一个二分类的数据为例： >require(mlbench) >require(mxnet) >data(Sonar, package="mlbench") > str(Sonar) 'data.frame 24+33) / (24+14+36+33) [1] 0.5327103 准确率= 0.5327103 完整的代码： ###########分类 require(mlbench) require(mxnet
2.4K20发布于 2019-02-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号