雖說MXNet安裝過程相對簡單，但是實際在操作的時候也遇到了不少坑，在這里簡單記錄一下。
我用的顯卡型號是GeForce GTX 1060。顯卡的驅動安裝和CUDA以及CUDNN的配置因為之前已經搞定了，這里就不贅述（整個過程也是踩遍了各種坑坑洼洼，有空再另寫一篇）。CUDA版本查詢方式如下圖所示，CUDNN版本為V5.0.5。
現在可以開始入坑了
1安裝OpenCV
參考：手把手教你，在Ubuntu上安裝OpenCV 3.0 和 Python 2.7+
電腦里的python有兩個版本，2.7和3.5，這里安裝的OpenCV的版本的3.1.0，注意對應的opencv_contrib也要裝3.1.0版本。
打開終端窗口，更新apt-get包管理器，升級所有預安裝包：
$ sudo apt-get update
$ sudo apt-get upgrade
安裝我們的開發工具和包：
$ sudo apt-get install build-essential cmake git pkg-config
OpenCV 需要從磁盤中加載不同格式的圖片，如JPEG，TIFF, PNG等等．所以我們需要安裝我們的圖像I/O工具包：
$ sudo apt-get install libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev
另外，OpenCV是用GTK開發包來顯示GUI, 即用戶圖形界面，所以我們要安裝這個開發包：
$ sudo apt-get install libgtk2.0-dev
OpenCV還必須處理視頻流和單個幀，下面就是我們需要的安裝包：
$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
OpenCV還包含一些內部優化工具：
$ sudo apt-get install libatlas-base-dev gfortran
安裝python包管理器pip：
$ wget https://bootstrap.pypa.io/get-pip.py
$ sudo python get-pip.py
安裝virtualenv和virtualenvwrapper. 用來分割python虛擬環境. 這不是必須的, 很多教程強烈推薦，但我嫌麻煩暫時沒裝，也沒問題:
$ sudo pip install virtualenv virtualenvwrapper
$ sudo rm -rf ~/.cache/pip
現在我們有了virtualenv和virtualenvwrapper, 我們要更新我們的~/.bashrc? 文件:
# virtualenv and virtualenvwrapper
$ export WORKON_HOME=$HOME/.virtualenvs
$ source /usr/local/bin/virtualenvwrapper.sh
為了使~/.bashrc 文件生效 , 你可以用以下這些方法的其中之一(1) 注銷后重新登錄, (2)關閉終端開一個新終端, (3)直接使得~/.bashrc文件在當前生效:
$ source ~/.bashrc
最后我們生成名字叫cv的虛擬開發環境:
$ mkvirtualenv cv
安裝python開發工具（一般都會裝好python，這里以2.7版本為例，事實上我的電腦有兩個版本2.7和3.5）:
$ sudo apt-get install python2.7-dev
安裝numpy：
$ pip install numpy
預備環境終于都搞定啦, 我們進入正題, 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, 所以我們要安裝它來支持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
是時候build OpenCV（坑來了）:
$ 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 ..?
這里有幾個關鍵的地方要注意，WITH_CUDA=OFF（不太明白為什么要把CUDA編譯關了，但是試過如果不關，我這里opencv編譯會出現error...可以先不關試試，如果出現問題再關掉重新編譯。BUILD_EXAMPLES=OFF，這個是要關掉的，不關好像3.1.0的版本編譯不通過）
最后, 編譯! :
$ make -j8
編譯沒問題的話, 就可以安裝了:
$ sudo make install
$ sudo ldconfig
如果安裝無誤, OpenCV現在已經安裝在/usr/local/lib/python2.7/site–packages中了. 但是考慮到我們的虛擬環境cv還沒有OpenCV, 我們需要建立一個軟鏈（我沒做這步）:
$ 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上安裝OpenCV 3.1：
所有剩下的就是驗證一下啦:
$ workon cv
$ python
>>> import cv2
>>> cv2.__version__
'3.1.0'
OK，可以進入下一階段了
2安裝MXNet
MXNet 的安裝基本上是官方的標準流程.
$ sudo apt-get install -y build-essential git libatlas-base-dev
$ git clone --recursive https://github.com/dmlc/mxnet
$ cd mxnet
在編譯之前, 可以修改 MXNet 的 config.mk 文件, 來滿足個性化的需求.
$ cd mxnet
$ cp make/config.mk .
$ vi -nw config.mk # 或者使用其它順手的編輯器
我改了四個地方：
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
USE_BLAS = atlas
保存后就可以編譯了
$ make -j8
之前因為沒有裝opencv，所以編譯一直出錯。opencv裝完后，編譯到最后出現一個問題：
g++ example.cpp -o example `pkg-config --libs --cflags opencv`
/usr/bin/ld: 找不到 -lippicv
collect2: error: ld returned 1 exit status
大概是這個錯， /usr/bin/ld: 找不到 -lippicv(ubuntu 16.04 LTS 安裝opencv-3.1.0,含完整安裝步驟)?這里有三個解決方案，我用第三個方案解決了這個問題，感謝作者。
從opencv.pc中可以看出，pkg-config加載庫的路徑是/usr/local/lib,我們去這這個路徑下看看，發現沒有-lippicv對應的庫，別的選項都有對應的庫，然后我們把-lippicv對應的庫（libippicv.a）放到這個路徑下就好啦了。
我的liboppicv.a在～/opencv/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64這個路徑下。你的也在你自己opencv文件夾的對應路徑下。
先cd 到上面這個路徑下，然后cp liboppicv.a /usr/local/lib 將這個庫文件復制到/usr/local/lib下就好了。
再試試，發現“/usr/bin/ld: 找不到 -lippicv
collect2: error: ld returned 1 exit status”這個錯誤已經解決。
為了加速 GPU 計算, 我們忽略顯卡的兼容, 只支持當前的顯卡（其他教程建議的，以后重新編譯可以試試）
首先要查詢當前的顯卡的 compute capacity, 然后修改 mshadow 的編譯選項, 例如, ?1080 的編譯選項如下:
# mxnet/mshadow/make/mshadow.mk
MSHADOW_NVCCFLAGS = -gencode arch=compute_61,code=sm_61
編譯成功后，安裝python支持：
$ cd ~/mxnet/python
$ python setup.py install
可以運行它的樣例程序試試效果：
cd mxnet/example/image-classification
python train_mnist.py
如果要實現GPU加速
python train_mnist.py --gpus 0 --network lenet
好了，簡要介紹完了～
