libopencv-dev是可选的，为了安装OpenCV支持。

编译

---

1. 解压并更名

$ tar -xzvf apache-mxnet-src-1.6.0-incubating.tar.gz

$ mv apache-mxnet-src-1.6.0-incubating incubatormxnet

2. 移动压缩后文件，并进入解压文件夹

$ mv incubatormxnet ~/julia/incubatormxnet

$ cd ~/julia/incubatormxnet

3. 创建编译文件夹build

$ rm -rf build

$ mkdir build && cd build

若不需要安装GPU支持，或OpenCV支持，则在在编译配置文件中(~/julia/incubatormxnet/CMakeLists.txt)，将USE_CUDA以及USE_OPENCV设为OFF(默认为ON)。

#默认为ON

option(USE_CUDA “Build with CUDA support” ON)

…

option(USE_OPENCV “Build with OpenCV support” ON)

4. 编译

$ cmake …

NOTE：cmake时可能出现CMake 3.13 or higher is required. You are running version 3.10.2，此时需要升级CMake版本

$ pip3 install --user --upgrade “cmake>=3.13.2”

若未安装pip，运行以下命令进行安装：

$ sudo apt-get install -y python3-pip

安装后重新执行:

$ cmake …

#或者执行

$ ~/.local/bin/cmake …

5. make

#根据核心数，增加执行速度

$ make -j8

NOTE：编译过程中可能出现此错误：

FAILED: CMakeFiles/cuda_compile_1.dir/src/operator/contrib/cuda_compile_1_generated_bounding_box.cu.o

cd ~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib && /usr/local/bin/cmake -E make_directory ~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib/. && /usr/local/bin/cmake -D verbose:BOOL=OFF -D build_configuration:STRING=Debug -D generated_file:STRING=~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib/./cuda_compile_1_generated_bounding_box.cu.o -D generated_cubin_file:STRING=~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib/./cuda_compile_1_generated_bounding_box.cu.o.cubin.txt -P ~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib/cuda_compile_1_generated_bounding_box.cu.o.Debug.cmake

~/julia/incubatormxnet/include/dmlc/./thread_local.h: In instantiation of ‘static T* dmlc::ThreadLocalStore::Get() [with T = std::unordered_set<std::__cxx11::basic_string >]’:

~/julia/incubatormxnet/src/operator/contrib/./…/…/common/utils.h:461:28: required from here

~/julia/incubatormxnet/include/dmlc/./thread_local.h:46:15: error: cannot call member function ‘void dmlc::ThreadLocalStore::RegisterDelete(T*) [with T = std::unordered_set<std::__cxx11::basic_string >]’ without object

Singleton()->RegisterDelete(ptr);

CMake Error at cuda_compile_1_generated_bounding_box.cu.o.Debug.cmake:279 (message):

Error generating file

~/julia/incubatormxnet/build/CMakeFiles/cuda_compile_1.dir/src/operator/contrib/./cuda_compile_1_generated_bounding_box.cu.o







此时同样需要修改源文件`~/julia/incubatormxnet/include/dmlc/thread_local.h`  

将





Singleton()->RegisterDelete(ptr);







修改为





(*Singleton()).RegisterDelete(ptr);







修改完成后，重新构建`build`文件夹，并进行编译。





$ cd ..

$ rm -rf build

$ mkdir build && cd build

...







6.  将编译完成后文件复制到可被`MXNET`定位的文件夹



libmxnet安装的路径应为libmxnet的根目录。 换句话说，应该可以在$MXNET\_HOME/lib下找到编译后的libmxnet.so文件。 如libmxnet的根目录是 ~/julia/incubatormxnet，则应运行以下命令：





$ cd ~/julia/incubatormxnet

$ cp -r build lib







[]( )环境配置

--------------------------------------------------------------------



编译完成后，修改配置文件。





#创建安装目录

$ mkdir ~/julia/julia-1.5.3/julia-depot

$ vim ~/.bashrc







`NOTE`，此处需要创建安装目录的原因是：使用默认安装位置`~/.julia`可能导致`Permission denied`错误.  

在文件`~/.bashrc`后添加如下行





export MXNET_HOME="$HOME/Program/julia/incubatormxnet"

export LD_LIBRARY_PATH="$HOME/julia/incubatormxnet/lib:$LD_LIBRARY_PATH"

export JULIA_DEPOT_PATH="$HOME/julia/julia-1.5.3/julia-depot"







使用软链接将julia添加进系统执行路径





$ sudo ln -s ~/julia/julia-1.5.3/julia/bin/julia /usr/bin/julia







[]( )安装MXNet

-----------------------------------------------------------------------





julia --color=yes --project=./ -e \

'using Pkg; \

Pkg.develop(PackageSpec(name="MXNet", path = joinpath(ENV["MXNET_HOME"], "julia")))'







为了使安装包在系统路径中进行注册，需要在路径`~/julia/julia1.5.3/julia-depot/environments/v1.5`中再次执行上述命令：





$ cd ~/julia/julia1.5.3/julia-depot/environments/v1.5

$ julia --color=yes --project=./ -e \

'using Pkg; \

Pkg.develop(PackageSpec(name="MXNet", path = joinpath(ENV["MXNET_HOME"], "julia")))'







此时查看`~/julia/julia1.5.3/julia-depot/environments/v1.5/Manifest.toml`可以看到MXNet被正确定位：





如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费**学习**大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。



### 一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



![](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

### 二、学习软件



工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。



![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)



### 三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

![](https://img-blog.csdnimg.cn/img_convert/eec417a3d4d977b313558a11d3c13e43.png)



### 四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。



![](https://img-blog.csdnimg.cn/img_convert/ec690501ea1dbe2cb209cbf4013c2477.png)  

![](https://img-blog.csdnimg.cn/img_convert/3eaeaa6747419c9d86c72e0d10d0a6a2.png)



### 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。



![](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)



### 五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

![](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**