Mac需要装cuda吗？

01-15

我在Mac下安装mxnet 官方好像没说要装这个但是Ubuntu的教程里有这个安装要求求问用Mac开发深度学习的大神有没有一个详细的Mac下安装mxnet步骤啊……

首先要确定你的 Mac 显卡是否支持 CUDA。关于支持 CUDA 的显卡列表可以在这里查看 https://developer.nvidia.com/cuda-gpus 。

在 macOS 上编译安装 MXNet 的大体步骤都是按照官方文档来进行安装即可。但由于每个人电脑环境不同，所以可能会出现一些依赖库／包的缺失，导致安装失败。

一、安装依赖软件

在 macOS 上，首先需要具有以下软件：

Homebrew (to install dependencies)
Git (to pull code from GitHub)
Homebrew/science (for linear algebraic operations)
OpenCV (for computer vision operations)

如果上述已经安装了，就不需要再安装；如果没有，则按照下面的步骤安装：

# 安装 Homebrew $ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" # 安装 Git 和 OpenCV $ brew update $ brew install git $ brew tap homebrew/science $ brew info opencv $ brew install opencv

二、编译 MXNet

# 下载源码 $ git clone --recursive https://github.com/dmlc/mxnet

然后还需要安装 openblas：

# 安装 openblas $ brew install --fresh -vd openblas ... Generally there are no consequences of this for you. If you build your own software and it requires this formula, you"ll need to add to your build variables:


    LDFLAGS:  -L/usr/local/opt/openblas/lib

    CPPFLAGS: -I/usr/local/opt/openblas/include

==&> Summary /usr/local/Cellar/openblas/0.2.18_2: 20 files, 41.8M, built in 12 minutes 33 seconds

如果没有安装 openblas，则会有类似 fatal error: "cblas.h" file not found 的错误，详见 blas issue compile issue · Issue #572 · dmlc/mxnet · GitHub。

接下来修改配置文件：

$ cd mxnet $ cp make/osx.mk ./config.mk

用 vim 或其他编辑器打开 config.mk，在 USE_BLAS = apple 下面加入如下 ADD_LDFLAGS = -I/usr/local/opt/openblas/lib 和 ADD_CFLAGS = -I/usr/local/opt/openblas/include：

USE_BLAS = apple ADD_LDFLAGS = -I/usr/local/opt/openblas/lib ADD_CFLAGS = -I/usr/local/opt/openblas/include

如果你的显卡支持 CUDA，在 config.mk 里面，将 USE_CUDA = 0 设置为 USE_CUDA = 1 就可以了。

最后再编译即可：

$ make -j$(sysctl -n hw.ncpu)

三、在 Python 中使用 MXNet

编译安装完成之后，若要使用 MXNet 的 Python 接口，还需要将 mxnet/python 添加到 Python 的包搜索路径。至少有三种方式可以实现。

1. python 代码手动加载

import os, sys; cur_path = os.path.abspath(os.path.dirname(__file__)); mxnet_lib_path = os.path.join(cur_path, "mxnet/python"); sys.path.append(mxnet_lib_path); import mxnet as mx;

在没有将 mxnet/python 添加到 PYTHONPATH 之前，依旧可以运行 /example/image-classification 里面的一些测试案例，就是因为案例里面有一行 import find_mxnet，而 find_mxnet 的作用就是手动加载 mxnet/python：

# find_mxnet.py try: import mxnet as mx except ImportError: import os, sys curr_path = os.path.abspath(os.path.dirname(__file__)) sys.path.append(os.path.join(curr_path, "../../python")) import mxnet as mx

2. 将路径加到环境变量 PYTHONPATH 中

这种方法需要修改 shell 的配置文件。如果使用的 bash，则修改 ~/.bashrc；若使用的是 zsh，则修改 ~/.zshrc；其他类似。

在 bash 配置文件中加入下面这一行：

export PYTHONPATH=path_to_mxnet_root/python

其中 path_to_mxnet_root 是下载的 mxnet 源码目录。

3. 全局安装 mxnet

直接运行 mxnet/python/setup.py，将 mxnet 添加到全局路径即可：

python setup.py install --user

运行上面的命令后，脚本会在 ~/.local 目录下创建一个 lib 目录，里面有一个 python-2.7/site-packages 文件夹。

如果是 sudo python setup.py install，则上面的目录会在 /usr/lib 下。

不太支持装gpu的还是安装mkl 写写代码测试下，真正训练还在在比较高配的机器上去呗

17年春节，因为前年换新的15款独显macbookpro是A卡，十分不便于使用，宝宝在腊月里装了一台E5-2683v3 16G s2600cw2r 980ti ssd 的机器来作为自己的新年礼物。

前几日在上面安装了黑苹果全部功能完美（ 10.12.2 ），因为有在搞机器学习，所以昨晚在上面安装了mxnet，我在这里写下mxnet安装过程，给你作为参考。

（黑苹果部分如果有需要另外戳我吧，不过 C612 应该是比较容易黑不会有人要才对。）

以下内容假设你有linux操作经验，懂得常规编译安装而且会独立处理和解决问题，我并不是很会给人讲课，嘴巴笨还表达能力不好，实在看不懂就发信戳我吧。

首先的首先，你要确定是N卡。。。这个自然是必须的啦。

然后最好是插在了16通道的PCIE插口上，最好是cpu控制的，如果不是x16最起码x8，要不大量显存内存拷贝的时候会心塞的。

如果不需要频繁大量复制，就无所谓了，x1其实就可以带起来卡，买那种1个pci16转4个pcie1的转接线也是可以插一堆卡的，只要不频繁传输，一切很完美，另外咱们这个用途是不需要SLI的，多卡时不要SLI反而会好些。

从官网下载N卡驱动装好，这个我就略了。

然后从官方下cuda，然后装好，这个我也略了。

用 CUDA-Z 看看情况

多个卡就切换下卡，看看是不是都没问题了。

选装cudnn:

这是黄叔家的出的深度神经元网络的一个库，他自己弄得，自然优化的好，就测试而言还是有使用价值的。

去官网登录后（没有就注册）

在我这次安装是用的 cuda8 所以这里也是下对应的新版本：

下好后直接把压缩包丢到这下面，这是在安装CUDA的时候他就帮你建好的一个路径。

/Developer

然后tar xvf解压他：

你会发现他是个叫做cuda的文件夹。

在这里我不得不延伸一下，你在mac下装cuda会发现他在developer里有个NVIDIA，里面有cuda安装目录，但是哈，不要直接去用这里的lib或者include。

在安装后他会自动连接到 /usr/local/cuda 这里，要用这个路径，这样子升级后才不会悲剧，才能愉快的使用。

另外哈还有个情况是你直接用developer的会发现少东西或者调不着，原因是 libcuda.dylib 这玩意只有在 /usr/local/cuda/lib 下面才有，直接用安装路径会找不到他的。

所以他官方解压出来叫做cuda应该意思就是让你放到cuda这个文件夹下和cuda自己的文件合并。

在了解cuda的前情后，就知道怎么装这个cudnn了，那就是把它链接到/usr/local/cuda 里面，为了方便这里改个名防止时间长了不知是啥坑到自己。

mv cuda cudnn ln -s /Developer/NVIDIA/cudnn/include/* /usr/local/cuda/include/ ln -s /Developer/NVIDIA/cudnn/lib/* /usr/local/cuda/lib/

当然如果你愿意也可以不和cuda放在一起，也可以链接到/usr/local/下面，只是记得把路径给加到mxnet的config里面。

这样子就算是行了

选装：装 Iterm，和 zsh 和 oh-my-zsh 并配置 .zshrc 这个看个人需求吧，反正一般都是会有的，我就不再赘述了。

然后装brew，这个凡是拿mac搞开发基本没有不装的，我就略了，，，，想了想还是放上吧，看一楼都放上了，，，我也放上吧，从这里开始。

sudo之类的有的我就省略了，你看路径记得该sudo的就要sudo哦~要不会报错没权限的~

我因为是回忆，可能是有的地方不准确，如果哪里不对请指正。

Homebrew 去官网上找链接即可，我放在这里供你使用：

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

他会自动帮你把 xcode 的 line 工具给你装好，他没装你就自己先装下再弄。

装好后装一堆必须的东西

brew update brew install python git vim homebrew/science/opencv homebrew/science/openblas homebrew/boneyard/clang-omp-2015-04-01 pkg-config wget curl

我来解释一下作用便于你出错后进行调整。

别的不说，就说里面几个比较紧要的。

openblas 这是blas的开源实现，blas是一个很常用的基础线性代数库，他的效率并不给力，有很多人对他进行优化，openblas就是开源的里面做的不错的，你要是愿意也可以用apple自己的，或者 mkl 再或者其他的，看你喜好，我这里就直接用了 open 的，Intel mkl 效率和openblas差不多，超级多核心情况下可能还好一些，可惜我没正版授权就支持开源了。

openmp 这是本机的并行运算库，没这个写并行是痛苦的，在mxnet中不加他跑程序会发现CPU占用率很低，有时甚至只能用满一个核心，对于我这种单U28线程的机器来说是种不可接受的浪费，所以必须要把这玩意加上。不过哈，看起来好像是没装这个啊，那为啥要说这个那？因为就是因为它才需要装omp来编译的。

clang-omp 这个是一个llvm前端，看名字就知道是啥了，只是他能编译openmp！clang直到现在貌似还是编译不了，gcc虽然可以，但是用苹果总感觉用gcc不够洋气。

pkg-config 包信息神器。这个mac下不自带，一般做开发都会装有这个的，以防你没装我这里写一下。

opencv 这个太常用了，简直是图像神器。你要是追求性能，可以自己下代码编译一个，brew装的其实并不给力，我图省事就用brew去弄了，opencv自己就支持cuda，而且自带很多图像算法，也支持视频哦，我从0.x时代就在用，非常非常方便好用，不安利简直对不起良心。

然后pip装些必备的

pip install scikit-image diskimage-builder scipy matplotlib

接下来先把mxnet的代码拿下来。注意这里我放到usr的local下了，请不要放在带空格或者带中文的目录里，这里有个坑mxnet对于空格和中文路径的支持并不好。我推荐放在local下，毕竟这里就是让你装本地资源的地方啊。

cd /usr/local git clone --recursive https://github.com/dmlc/mxnet

里面 --recursive 是必须要的,他会一股脑的下所有关联，你要是不加，就要手工去下关联包，那自然是痛苦的。

（如果你的网络像我一样不给力，可以设定http_proxy和https_proxy环境变量，可以让他走ss-local啥的，当然ss是需要转一下成http的才行。我这边网速慢慢来是行不通的老断，走梯子几十秒的事情）

然后把人家官方给的config给复制一份出来（我吐槽一下，就不能好好的用autoconf吗？ ./configure 不好吗？稍微正常一点不好吗？）。

cd /usr/local/mxnet cp make/osx.mk ./config.ml vim config.mk

然后改下面这些地方，有的注释了记得打开注释。

因为咱们不是用的gcc，所以把原来的CC和CXX的环境变量定义给改了:

export CC = clang-omp export CXX = clang-omp++

因为咱们是openblas，就收工把路径进到LD和C里

ADD_LDFLAGS = -L/usr/local/opt/openblas/lib ADD_CFLAGS = -I/usr/local/opt/openblas/include

这个路径之所以不用Cellar的是因为brew会自动连接到这里，所以就用这个。

用CUDA这个当然是必须拉

USE_CUDA = 1 USE_CUDA_PATH=/usr/local/cuda

这个当然要啦

USE_CUDNN=1

这个自然也要拉

USE_OPENCV=1

换clang-omp就是为了他

USE_OPENMP=1

我用了openblas的blas实现，所以记得要修改这个变量，如果你用了别的实现，比如apple的，记得改为对应的，并且确保编译器和链接器能找到。

USE_BLAS = openblas

如果你用了intel的记得把这句打开并且设置路径哦，intel的据说是神器，但是因为要授权，我就无福消受了。

#USE_INTEL_PATH = NONE

别的基本不用改了

然后开始make就好了，因为我是28线程的cpu就-j28了，你要是8个线程就-j8即可，不知道几个线程可以运行 sysctl -n hw.ncpu 来查看。

make -j28

然后很快就编译完了。

最后一般是少不了几个警告的，我这边出了1个，不报错继续就好，报错了就着手处理。

如果中途报错了，排错完了记得 make clean_all 一下再重新make，要不旧的过程文件会很容易坑。

看看so生成了没

ls -l lib

有着两个就对了

注意下编译过程你看看他帮你把python的装好了没，要是没有就自己手工装下，方法如下：

cd python sudo python setup.py install

为了方便今后使用，把 /usr/local/mxnet/lib 加到ld里面，mac下没有ldconfig这种东西，但是可以用DYLD来代替。

所以就设置下环境变量 DYLD_LIBRARY_PATH ，我直接把他加到 .zshrc 里面了，方便一些，你也可以把他加到全局和suda里，这样子sudo还会方便些。

export DYLD_LIBRARY_PATH=/usr/local/cuda/lib:/usr/local/mxnet/lib:$DYLD_LIBRARY_PATH

我这里吧cuda也加上了，因为我要用，你不用就可以不加哦。

记得先在终端下运行一次，然后把他加到你的 shell 的启动脚本里哦。

我这个格式是zsh的，你要是其他的shell请按照你用的shell来设置环境变量。

接下来去跑个例子看看

cd /usr/local/mxnet/example/neural-style

这个例子是一个很老的论文，记得叫做机器艺术啥的，反正有几年了，这就是那个论文的一个实现。

先让他把自带的资源下载好（墙高高的，梯子稳稳的，翻过去就自由了！你懂得。）

./download.sh

这个例子有这些参数你看下，按自己需要去选择吧。

usage: nstyle.py [-h] [--model {vgg}] [--content-image CONTENT_IMAGE] [--style-image STYLE_IMAGE] [--stop-eps STOP_EPS] [--content-weight CONTENT_WEIGHT] [--style-weight STYLE_WEIGHT] [--tv-weight TV_WEIGHT] [--max-num-epochs MAX_NUM_EPOCHS] [--max-long-edge MAX_LONG_EDGE] [--lr LR] [--gpu GPU] [--output_dir OUTPUT_DIR] [--save-epochs SAVE_EPOCHS] [--remove-noise REMOVE_NOISE] [--lr-sched-delay LR_SCHED_DELAY] [--lr-sched-factor LR_SCHED_FACTOR]

然后python运行下，因为要写帖子，所以我指定了输出路径，你看自己喜好。不一定能直接跑起来，可能会提示python缺包，缺啥就pip装啥。

python nstyle.py --output_dir ~/Documents/zhihu_mac_install_mxnet

然后你就等着吧，看看GPU占用率，跑的很高就对了。