c 機器學習庫 mlpack的安裝及使用！

mlpack是乙個快速、靈活的機器學習庫（c++編寫），其目的是提供快速便捷的機器學習演算法。mlpack將這些演算法提供為簡單的命令列程式，python繫結和c ++類，然後可以在c++**用或者python中呼叫他們來完成機器學習的工作。

以下是目前最新版本中存在的方法：

在我的實驗中，需要用到整合學習和回歸的一些**方法，由於矩陣的計算在c++中顯得不是很方便。所以我使用了mlpack和armadillo庫來方便計算，但是在安裝和使用過程中遇到一些問題，所以就記錄下來！

以下三個都是mlpack的依賴庫，所以必須提前安裝。在linux系統中都可以通過命令直接安裝。

armadillo     >= 6.500.0
boost (program_options, math_c99, unit_test_framework, serialization,
spirit)
cmake >= 2.8.5

首先安裝armadillo依賴的庫：lapack, blas, boost

sudo apt-get install liblapack-dev

sudo apt-get install libblas-dev

sudo apt-get install libboost-dev

接下來安裝armadillo：

sudo apt-get libarmadillo-dev

之後，安裝完成，測試是否完成！以上步驟，都是應該可以直接完成的，需要cmake和g++提前安裝。

建立乙個 test.cpp，copy以下**，用命令進行編譯

g++ test.cpp -o test -larmadillo //編譯命令

#include #include using namespace std;
using namespace arma;
int main(int argc,char** argv) {
mat a=randu(4,5);
mat b=randu(4,5);
cout《一條命令搞定！
apt-get install libboost-math-dev libboost-program-options-dev libboost-random-dev libboost-test-dev libxml2-dev

tar -xzf mlpack-2.0.1.tar.gz //tar解壓 cd mlpack-2.0.1 // 進入解壓後的目錄 unzip mlpack-2.0.1.zip //zip解壓

cd mlpack-2.0.1 // 進入解壓後的目錄

之後，建立build目錄，cmake，make即可

mkdir build cd build cmake ../ make

sudo make install

到此為止，mlpack基本上就安裝成功了，但是如果安裝不順利，就會有很多問題,下面是問題的彙總！

這個問題我遇到很多次了，有的是在makefile檔案內改編譯引數可以達到目的，我沒試過。我的方法是如果你的方法在其他版本也有，可以更換版本重新編譯即可！

我在3.0.1版本中編譯遇到mlpakc_kfn總是make失敗，所以我回退版本到2.0.2安裝，果斷成功！

明明已經安裝成功了，為什麼在測試官網上的例子總是失敗呢？

安裝成功，但是你並沒有將它和c++的編譯連線起來，導致你呼叫不了。這個時候一般加上 -lmlpack -larmadillo 即可,下面給出了乙個例子，可以參考下！

g++ testlars.cpp -o testlars -lmlpack -larmadillo

export ld_library_path="/usr/local/lib/:$ld_library_path"

make 慢起來，那是真慢！！！

c 機器學習庫 mlpack的安裝及使用！

mlpack 可伸縮C 機器學習庫

Scikit learn機器學習庫的安裝

機器學習python庫sklearn安裝

c 機器學習庫 mlpack的安裝及使用！

mlpack 可伸縮C 機器學習庫

Scikit learn機器學習庫的安裝

機器學習python庫sklearn安裝

相關推薦