mxnet構成とdemo

mxnetの概要:http://mxnet.readthedocs.org/en/latest/
これは比較的新しい深さ学習フレームワーク(第2世代の深さ学習フレームワークと呼ばれる)であり、そのコアはC++を使用して実現され、Cスタイルのヘッダファイルを提供している.caffe、theanoなどの他の深い学習フレームワークと比較して、その特徴は主に:
1.プログラミングでは、宣言プログラミングとコマンドプログラミングを組み合わせます.コードの実行をより迅速にし(これは事実)、意味を理解しやすくする(これは賢明で、どうせ頭が痛い)
2.自身の実装では、その下位データフォーマットはtheanoのtensorとTblobの形式を参照し、コードを明確に簡潔にする(theanoが分からないと、比較的骨が折れるように見える)
3.効果的には、その速度はcaffeに近く、tensorFlowよりはるかに高いが、mxnet自体は分布式演算をサポートしているため、速度的にはcaffeに起因するに違いない.メモリ消費量が小さいことが主な特徴です.これは、より多くの画像を同時に読み込むことができるはずです(batch_sizeはより大きくすることができます)が、テストしたことがありません.
ネット上には多くの対比があり、簡単にリンクを貼ります.
https://www.zhihu.com/question/36086842/answer/66118672
mxnet構成:
配置はとても简単で、公式サイトの流れによって、私はUbuntu 14.04の上で配置します

<span style="font-size:18px;">sudo apt-get update
sudo apt-get install -y build-essential git libatlas-base-dev libopencv-dev
git clone --recursive https://github.com/dmlc/mxnet
cd mxnet; make -j4</span>

注意:構成を変更する場合は、mxnet/make/config.mkを変更し、cp mxnet/make/config.mk mxnet/config.mkを変更する必要があります.デフォルトではcudaは使用されません.一般的には、config.mkの構成の一部を以下に変更します.

<span style="font-size:18px;">USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda-7.0

ifeq ($(UNAME_S), Darwin)
USE_BLAS = apple
else
USE_BLAS = mkl
endif

USE_INTEL_PATH = /opt/intel</span>

これで基本構成が完了します
pythonを構成する必要がある場合は、次の操作を行います.

<span style="font-size:18px;">cd python; python setup.py install</span>

Demoテストの実行:ここで最も基本的なmnistを実行します

<span style="font-family:Lato, proxima-nova, Helvetica Neue, Arial, sans-serif;color:#404040;"><span style="font-size:18px;">cd mxnet/example/iamge-classification
python train_mnist.py </span></span>

実行に成功しました.
ネット上にはもう一つのdemoがあり、主にexample/neural-styleの例を実行しています.
http://phunter.farbox.com/post/mxnet-tutorial2