- 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。
1.6K60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
1.2K40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
3.8K20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
1K30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
92420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
75820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.
56610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）。
53310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。
88310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
1.2K30发布于 2019-06-27 - 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。 ? ? ? ? ? ? ? ? ?
82530发布于 2018-07-09 - 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
1.1K30发布于 2019-02-18 - 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。
2.3K10发布于 2017-07-06 - 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。
57770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
60720发布于 2018-07-09 - 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
64230发布于 2018-06-22 - 来自专栏AIUAI
MXNet - 网络结构可视化
MXNet网络结构可视化 mx.viz.plot_networks 以由节点和边组成的计算图的方式表示网络结构. Prerequisites Graphviz Examples 1 - 线性矩阵分解网络 import mxnet as mx user = mx.symbol.Variable('user') item Examples 2 import mxnet as mx import numpy as np import cv2 import matplotlib.pyplot as plt How to visualize Neural Networks as computation graph Visualizing CNN architectures side by side with mxnet Mxnet学习系列3—-网络的可视化
1.9K30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