mxnet_v1.8.0.rc2_cuda11.1.0（ubuntu18.04_v1.2镜像）编译安装指导

• 方式一
  • git clone --recursive https://github.com/apache/incubator-mxnet mxnet
  • (如果出现网络问题&＃xff0c;子模块续下载&＃xff1a;git submodule update --init --recursive&＃xff09;
  • cd mxnet
  • git checkout 1.8.0
  • git submodule update --init --recursive
• 方式二
  • git clone https://github.com/apache/incubator-mxnet.git mxnet
  • cd mxnet
  • git submodule update --init --recursiv
  • git checkout 1.8.0
  • git submodule update --init --recursive

• sudo apt-get update
• sudo apt-get install -y build-essential git ninja-build ccache libopenblas-dev libopencv-dev cmake
• sudo apt-get install libatlas-base-dev
• sudo apt install gfortran

• cp make/config.mk .
• vi config.mk
• USE_CUDA &＃61; 1
• USE_CUDA_PATH &＃61; /usr/local/cuda
• vi Makefile
• 增加RTX3090显卡算力代号&＃xff08;86&＃xff09;&＃xff1a;KNOWN_CUDA_ARCHS :&＃61; 30 35 50 52 60 61 70 75 80 86

• make -j16
• 正常情况下&＃xff0c;编译很长一段时间

• cd python
• python3 setup.py install
• 最后出现下面提示后说明编译通过。Finished processing dependencies for mxnet&＃61;&＃61;1.8.0

• 简单测试
  •  import mxnet as mx
    • 测试中缺失什么so链接库&＃xff0c;就find找到&＃xff0c;找到后cp到/usr/lib下即可
  •  a&＃61;mx.nd.ones((2,3),mx.gpu(0))
• 基准程序
  • cd mxnet/example/image-classification
  • python3 train_mnist.py