虽说MXNet安装过程相对简单，但是实际在操作的时候也遇到了不少坑，在这里简单记录一下。

我用的显卡型号是GeForce GTX 1060。显卡的驱动安装和CUDA以及CUDNN的配置因为之前已经搞定了，这里就不赘述（整个过程也是踩遍了各种坑坑洼洼，有空再另写一篇）。CUDA版本查询方式如下图所示，CUDNN版本为V5.0.5。

现在可以开始入坑了

1安装OpenCV

参考：手把手教你，在Ubuntu上安装OpenCV 3.0 和 Python 2.7+

电脑里的python有两个版本，2.7和3.5，这里安装的OpenCV的版本的3.1.0，注意对应的opencv_contrib也要装3.1.0版本。

打开终端窗口，更新apt-get包管理器，升级所有预安装包：

$ sudo apt-get update
$ sudo apt-get upgrade

安装我们的开发工具和包：

$ sudo apt-get install build-essential cmake git pkg-config

OpenCV 需要从磁盘中加载不同格式的图片，如JPEG，TIFF, PNG等等．所以我们需要安装我们的图像I/O工具包：

$ sudo apt-get install libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev

另外，OpenCV是用GTK开发包来显示GUI, 即用户图形界面，所以我们要安装这个开发包：

$ sudo apt-get install libgtk2.0-dev

OpenCV还必须处理视频流和单个帧，下面就是我们需要的安装包：

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

OpenCV还包含一些内部优化工具：

$ sudo apt-get install libatlas-base-dev gfortran

安装python包管理器pip：

$ wget https://bootstrap.pypa.io/get-pip.py
$ sudo python get-pip.py

安装virtualenv和virtualenvwrapper. 用来分割python虚拟环境. 这不是必须的, 很多教程强烈推荐，但我嫌麻烦暂时没装，也没问题:

$ sudo pip install virtualenv virtualenvwrapper
$ sudo rm -rf ~/.cache/pip

现在我们有了virtualenv和virtualenvwrapper, 我们要更新我们的~/.bashrc  文件:

# virtualenv and virtualenvwrapper
$ export WORKON_HOME=$HOME/.virtualenvs
$ source /usr/local/bin/virtualenvwrapper.sh

为了使~/.bashrc 文件生效 , 你可以用以下这些方法的其中之一(1) 注销后重新登录, (2)关闭终端开一个新终端, (3)直接使得~/.bashrc文件在当前生效:

$ source ~/.bashrc

最后我们生成名字叫cv的虚拟开发环境:

$ mkvirtualenv cv

安装python开发工具（一般都会装好python，这里以2.7版本为例，事实上我的电脑有两个版本2.7和3.5）:

$ sudo apt-get install python2.7-dev

安装numpy：

$ pip install numpy

预备环境终于都搞定啦, 我们进入正题, 按照OpenCV 3.1.0:

$ cd ~
$ git clone https://github.com/Itseez/opencv.git
$ cd opencv
$ git checkout 3.1.0

有一些牛叉的算法如SIFT, SURF, 等等 在opencv_contrib里面, 所以我们要安装它来支持OpenCV:

$ cd ~
$ git clone https://github.com/Itseez/opencv_contrib.git
$ cd opencv_contrib
$ git checkout 3.1.0

注意: opencv_contrib和OpenCV版本要一致

是时候build OpenCV（坑来了）:

$ cd ~/opencv
$ mkdir build
$ cd build
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON D BUILD_EXAMPLES=OFF -D WITH_OPENGL=ON -D  WITH_CUDA=OFF -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules .. 

这里有几个关键的地方要注意，WITH_CUDA=OFF（不太明白为什么要把CUDA编译关了，但是试过如果不关，我这里opencv编译会出现error...可以先不关试试，如果出现问题再关掉重新编译。BUILD_EXAMPLES=OFF，这个是要关掉的，不关好像3.1.0的版本编译不通过）

最后, 编译! :

$ make -j8

编译没问题的话, 就可以安装了:

$ sudo make install
$ sudo ldconfig

如果安装无误, OpenCV现在已经安装在/usr/local/lib/python2.7/site–packages中了. 但是考虑到我们的虚拟环境cv还没有OpenCV, 我们需要建立一个软链（我没做这步）:

$ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/
$ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so

恭喜 ! 你完成了在Ubuntu上安装OpenCV 3.1：

所有剩下的就是验证一下啦:

$ workon cv
$ python
>>> import cv2
>>> cv2.__version__
'3.1.0'

OK，可以进入下一阶段了

2安装MXNet

MXNet 的安装基本上是官方的标准流程.

$ sudo apt-get install -y build-essential git libatlas-base-dev
$ git clone --recursive https://github.com/dmlc/mxnet
$ cd mxnet

在编译之前, 可以修改 MXNet 的 config.mk 文件, 来满足个性化的需求.

$ cd mxnet
$ cp make/config.mk .
$ vi -nw config.mk # 或者使用其它顺手的编辑器

我改了四个地方：

USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
USE_BLAS = atlas

保存后就可以编译了

$ make -j8

之前因为没有装opencv，所以编译一直出错。opencv装完后，编译到最后出现一个问题：

g++ example.cpp -o example `pkg-config --libs --cflags opencv`
/usr/bin/ld: 找不到 -lippicv
collect2: error: ld returned 1 exit status

大概是这个错， /usr/bin/ld: 找不到 -lippicv(ubuntu 16.04 LTS 安装opencv-3.1.0,含完整安装步骤) 这里有三个解决方案，我用第三个方案解决了这个问题，感谢作者。

从opencv.pc中可以看出，pkg-config加载库的路径是/usr/local/lib,我们去这这个路径下看看，发现没有-lippicv对应的库，别的选项都有对应的库，然后我们把-lippicv对应的库（libippicv.a）放到这个路径下就好啦了。

我的liboppicv.a在～/opencv/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64这个路径下。你的也在你自己opencv文件夹的对应路径下。

先cd 到上面这个路径下，然后cp liboppicv.a /usr/local/lib 将这个库文件复制到/usr/local/lib下就好了。

再试试，发现“/usr/bin/ld: 找不到 -lippicv

collect2: error: ld returned 1 exit status”这个错误已经解决。

为了加速 GPU 计算, 我们忽略显卡的兼容, 只支持当前的显卡（其他教程建议的，以后重新编译可以试试）

首先要查询当前的显卡的 compute capacity, 然后修改 mshadow 的编译选项, 例如,  1080 的编译选项如下:

# mxnet/mshadow/make/mshadow.mk
MSHADOW_NVCCFLAGS = -gencode arch=compute_61,code=sm_61

编译成功后，安装python支持：

$ cd ~/mxnet/python
$ python setup.py install

可以运行它的样例程序试试效果：

cd mxnet/example/image-classification
python train_mnist.py

如果要实现GPU加速

python train_mnist.py --gpus 0 --network lenet

好了，简要介绍完了～