本文共 1970 字，大约阅读时间需要 6 分钟。

写这篇博文的初衷是希望能整理下自己在使用MxNet过程中对这个框架的理解。详细的介绍都给出了链接，这篇相当于一个概括，希望能对这个框架有一个总的认识，内容会不断补充，有疑问的欢迎交流，谢谢。

1、下载MxNet并编译 

MxNet的官方网址： 我这里选择如下安装方式：

然后按照 Build the MXNet core shared library 介绍的4个步骤进行安装即可：

step1主要是更新一些工具和git，apt-get就是从网上获取并安装的意思。 

Step 1 Install build tools and git.

$ sudo apt-get update$ sudo apt-get install -y build-essential git

• 1
• 2

step2是安装OpenBLAS，这是一个计算加速库，当你step4要编译openlab的时候如果这个地方没有安装好openlab就会报错。 

Step 2 Install OpenBLAS.

$ sudo apt-get install -y libopenblas-dev liblapack-dev

• 1

安装opencv，opencv主要用在图像数据导入和预处理。 

Step 3 Install OpenCV.

$ sudo apt-get install -y libopencv-dev

• 1

前面3个step可以看成是准确工作，step4是拉取mxnet项目，然后编译，注意编译的时候有几个参数，如果要用GPU的话，USE_CUDA是必须要有的，另外USE_CUDNN是NVIDIA的一个深度神经网络加速库，一般也是需要的，如果没有的话最多速度慢一些，但是可以跑，建议用。 

Step 4 Download 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

• 1
• 2
• 3

如果你没编译mxnet就在python环境中import mxnet，就会出现找不到mxnet的错误。 

上面这些运行成功后，你可以在mxnet/python/目录下进入python环境，并且import mxnet成功，但是如果想要在任何地方都可以成功import mxnet，还需要以下操作： step 1：安装一些需要的库

$ sudo apt-get install -y python-dev python-setuptools python-numpy python-pip

• 1

step 2：先升级pip命令，然后用pip install -e .表示install a project in editable mode，就可以在任何地方import mxnet了。

$ cd python$ pip install --upgrade pip$ pip install -e .

• 1
• 2
• 3

2、训练模型的入口 

我们知道训练一个模型需要定义一个网络结构，然后喂给这个网络数据，最后训练得到合适的模型。又因为现在基本上都是在预训练模型上做fine-tune，所以这里直接介绍MxNet里面fine-tune的快速操作。可以参看博文：。 在fine-tune.py这个脚本中，最重要的是调用了fit.fit()函数训练，这个fit.py脚本的介绍可以看博客：。这个脚本也是在最终训练之前封装好的一个脚本。那么具体训练的细节在哪呢？答案是base_module.py和module.py。base_module.py是MxNet训练模型的基类的脚本，而module.py则是继承base_module里面的基类的具体实现，包括前向和后向传递等等，相关的博文介绍可以参看：和。

3、关于数据读取和预处理 

fine-tune.py这个脚本是MxNet官方写好的，默认的数据读入方式是.rec，类似Caffe里面的LMDB，关于数据读取，可以参看博文：。这种.rec格式的数据一般需要较多的存储空间，当你需要灵活增减数据时候需要重新生成新的.rec文件，不是很灵活，因此推荐使用lst列表和原始图像结合的数据读取方式，可以参看博文：。这种数据读取的方式还涉及图像预处理的部分，原来的MxNet项目中没有相应的例子，可以参看博文：。了解在mxnet.image.ImageIter中是怎么做图像预处理的。