終于明白mxnet為啥大神狂推卻不溫不火，官網(wǎng)實在是太差了，好多鏈接打不開，然后文檔更新不太及時。用了比pytorch少得多的資金，做出來支持一堆語言，性能還不錯的框架已經(jīng)不容易了。

julia安裝mxnet深度學(xué)習(xí)框架需要安裝MXNet.jl，安裝方法就是]，然后add MXNet，然后下載完編譯會失敗。官方文檔說它會自動下載進(jìn)行編譯，今天測試一天，無論windows還是ubuntu裝好各自工具鏈的前提下都無法自動編譯。人工編譯簡直大坑，先編譯半天opencv，然后好了之后編譯mxnet需要編譯googletest，那玩意按照官方文檔用cmake生成配置都失敗。還有后續(xù)的oneDNN，等各種包需要編譯，這里最給力的還是openblas，提供預(yù)編譯好的文件。

后來想下原理，不就是需要libmxnet.lib或者libmxnet.so之類的文件嘛，直接miniconda命令行用pip install mxnet，租的云服務(wù)器沒有顯卡，就裝cpu版本了，有nvidia顯卡可以裝對應(yīng)的cuda版本mxnet。

另外，從1.7版本開始，mxnet默認(rèn)啟用了oneDNN(原來的Intel MKL DNN，也支持AMD cpu)，所以可以一起裝上:?

pip install onednn-cpu-iomp

裝完之后，找到conda的site-packages目錄，里面找到mxnet，里面有預(yù)編譯好的所有需要的文件，復(fù)制這個路徑。

打開julia，用命令指定這個路徑：

ENV["MXNET_HOME"]="D:\\conda\\Lib\\site-packages\\mxnet"

這里＝右側(cè)得需要根據(jù)自己的系統(tǒng)和實際路徑修改成正確的。

然后直接 using MXNet

這時會提示precompiling，過一會沒錯誤的話就出來提示符了，可以測試下：

mx.cpu()

這方法windows和linux通用，省去大把編譯的時間和精力。

為了不需要每次在julia中using MXNet都指定ENV，可以在環(huán)境變量中建立MXNET_HOME=實際路徑，Linux需要改下.bashrc，大致原理都是通用的。