julia安装mxnet深度学习框架
终于明白mxnet为啥大神狂推却不温不火，官网实在是太差了，好多链接打不开，然后文档更新不太及时。用了比pytorch少得多的资金，做出来支持一堆语言，性能还不错的框架已经不容易了。
julia安装mxnet深度学习框架需要安装MXNet.jl，安装方法就是]，然后add MXNet，然后下载完编译会失败。官方文档说它会自动下载进行编译，今天测试一天，无论windows还是ubuntu装好各自工具链的前提下都无法自动编译。人工编译简直大坑，先编译半天opencv，然后好了之后编译mxnet需要编译googletest，那玩意按照官方文档用cmake生成配置都失败。还有后续的oneDNN，等各种包需要编译，这里最给力的还是openblas，提供预编译好的文件。
后来想下原理，不就是需要libmxnet.lib或者libmxnet.so之类的文件嘛，直接miniconda命令行用pip install mxnet，租的云服务器没有显卡，就装cpu版本了，有nvidia显卡可以装对应的cuda版本mxnet。
另外，从1.7版本开始，mxnet默认启用了oneDNN(原来的Intel MKL DNN，也支持AMD cpu)，所以可以一起装上:
pip install onednn-cpu-iomp
装完之后，找到conda的site-packages目录，里面找到mxnet，里面有预编译好的所有需要的文件，复制这个路径。
打开julia，用命令指定这个路径：
ENV["MXNET_HOME"]="D:\\conda\\Lib\\site-packages\\mxnet"
这里＝右侧得需要根据自己的系统和实际路径修改成正确的。
然后直接 using MXNet
这时会提示precompiling，过一会没错误的话就出来提示符了，可以测试下：
mx.cpu()
这方法windows和linux通用，省去大把编译的时间和精力。
为了不需要每次在julia中using MXNet都指定ENV，可以在环境变量中建立MXNET_HOME=实际路径，Linux需要改下.bashrc，大致原理都是通用的。
