diff --git a/docs/hardware_support/dcu/index_cn.rst b/docs/hardware_support/dcu/index_cn.rst index 934082b0cd2..6e09dc104c9 100644 --- a/docs/hardware_support/dcu/index_cn.rst +++ b/docs/hardware_support/dcu/index_cn.rst @@ -8,7 +8,7 @@ 飞桨框架支持基于海光 DCU 芯片的训练和推理，请参考以下内容快速体验： -- `海光 DCU 安装说明` <./install_cn.html>: 海光 DCU 安装说明 +- `海光 DCU 安装说明 <./install_cn.html>`_ : 海光 DCU 安装说明 - `海光 DCU 基于框架的使用指南 <./paddle_tutorial_cn.html>`_ : 海光 DCU 基于框架的使用指南 - `海光 DCU 基于套件的使用指南 <./paddlex_tutorial_cn.html>`_ : 海光 DCU 基于套件的使用指南 - `海光 DCU 支持模型 <./support_cn.html>`_ : 海光 DCU 支持模型 diff --git a/docs/hardware_support/dcu/install_cn.md b/docs/hardware_support/dcu/install_cn.md index a32f38adb58..fdc3e9ae2b1 100644 --- a/docs/hardware_support/dcu/install_cn.md +++ b/docs/hardware_support/dcu/install_cn.md @@ -14,21 +14,23 @@ ## 运行环境准备 -推荐使用飞桨官方发布的海光 DCU 开发镜像，该镜像预装有海光 DCU 基础运行环境库（DTK）。 +您可以基于 docker、pip、源码等不同方式准备飞桨开发环境 + +### 基于 Docker 的方式（推荐） + +我们推荐使用飞桨官方发布的海光 DCU 开发镜像，该镜像预装有海光 DCU 基础运行环境库（DTK）和飞桨 3.0 版本的 SDK。 ```bash # 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle-dcu:dtk24.04.1-kylinv10-gcc82 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-dcu:3.0.0-dtk24.04.1-kylinv10-gcc82-py310 ``` ```bash # 启动容器 docker run -it --name paddle-dcu-dev -v $(pwd):/work \ -w=/work --shm-size=128G --network=host --privileged \ - --device=/dev/kfd --device=/dev/dri --ipc=host --group-add video \ - -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 -v /opt/hyhal:/opt/hyhal \ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle-dcu:dtk24.04.1-kylinv10-gcc82 /bin/bash + ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-dcu:3.0.0-dtk24.04.1-kylinv10-gcc82-py310 /bin/bash ``` #### 选项说明及可调整参数 @@ -67,26 +69,18 @@ DCU Temp AvgPwr Fan Perf PwrCap VRAM% DCU% ===================End of SMI Log=================== ``` -## 安装飞桨框架 - -**注意**：飞桨框架 DCU 版仅支持海光 C86 架构。 - -### 安装方式一：wheel 包安装 - -在启动的 docker 容器中，下载并安装飞桨官网发布的 wheel 包。 +### 基于 pip 安装的方式 ```bash # 下载并安装 wheel 包 -python -m pip install --pre paddlepaddle-dcu -i https://www.paddlepaddle.org.cn/packages/nightly/dcu/ +python -m pip install paddlepaddle-dcu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/dcu/ ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 -在启动的 docker 容器中，下载 Paddle 源码并编译，CMAKE 编译选项含义请参见[编译选项表](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/install/Tables.html#Compile)。 +### 基于源码编译的方式 ```bash # 下载 Paddle 源码 -git clone https://github.com/PaddlePaddle/Paddle.git -b develop +git clone https://github.com/PaddlePaddle/Paddle.git -b release/3.0 cd Paddle # 创建编译目录 @@ -102,12 +96,12 @@ cmake .. -DCMAKE_EXPORT_COMPILE_COMMANDS=ON -DCMAKE_CXX_FLAGS="-Wno-error -w" \ make -j16 # 编译产出在 build/python/dist/ 路径下，使用 pip 安装即可 -pip install -U paddlepaddle_dcu-0.0.0-cp310-cp310-linux_x86_64.whl +python -m pip install -U paddlepaddle_dcu-*-linux_x86_64.whl ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基础功能检查 -安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 +输入如下命令进行飞桨基础健康功能的检查。 ```bash # 检查当前安装版本 @@ -115,10 +109,20 @@ python -c "import paddle; paddle.version.show()" ``` ```bash # 预期得到输出如下 -commit: d37bd8bcf75cf51f6c1117526f3f67d04946ebb9 +full_version: 3.0.0 +major: 3 +minor: 0 +patch: 0 +rc: 0 cuda: False cudnn: False nccl: 0 +xpu_xre: False +xpu_xccl: False +xpu_xhpc: False +cinn: False +tensorrt_version: None +cuda_archs: [] ``` ```bash # 飞桨基础健康检查 @@ -131,11 +135,3 @@ PaddlePaddle works well on 1 GPU. PaddlePaddle works well on 8 GPUs. PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. ``` - -## 如何卸载 - -请使用以下命令卸载： - -```bash -pip uninstall paddlepaddle-dcu -``` diff --git a/docs/hardware_support/dcu/paddle_tutorial_cn.md b/docs/hardware_support/dcu/paddle_tutorial_cn.md index 38bc0ee0488..808bce52336 100644 --- a/docs/hardware_support/dcu/paddle_tutorial_cn.md +++ b/docs/hardware_support/dcu/paddle_tutorial_cn.md @@ -8,20 +8,10 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle-dcu:dtk24.04.1-kylinv10-gcc82 + * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-dcu:3.0.0-dtk24.04.1-kylinv10-gcc82-py310 -### 环境安装 +* 镜像中默认装有 3.0 版本的 PaddlePaddle -安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 dcu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install --pre paddlepaddle-dcu -i https://www.paddlepaddle.org.cn/packages/nightly/dcu/ -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 ## 二、运行示例 飞桨框架集成了经典的视觉模型用于帮助用户快速上手，我们将基于 ResNet50 结构，在 Cifar10 数据集上进行一次快速训练，用于帮助您了解如何基于海光 DCU 进行训练 diff --git a/docs/hardware_support/dcu/paddlex_tutorial_cn.md b/docs/hardware_support/dcu/paddlex_tutorial_cn.md index 4bd1030ed2a..041d4c40c54 100644 --- a/docs/hardware_support/dcu/paddlex_tutorial_cn.md +++ b/docs/hardware_support/dcu/paddlex_tutorial_cn.md @@ -8,19 +8,11 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle-dcu:dtk24.04.1-kylinv10-gcc82 + * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-dcu:3.0.0-dtk24.04.1-kylinv10-gcc82-py310 ### 环境安装 -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 dcu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install --pre paddlepaddle-dcu -i https://www.paddlepaddle.org.cn/packages/nightly/dcu/ -``` +1. 镜像中默认装有 3.0 版本的 PaddlePaddle，无需额外安装 2. 安装 PaddleX 代码库 @@ -36,7 +28,7 @@ cd PaddleX # -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel pip install -e . ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基于 PaddleX 训练 ResNet50 ### 一、安装 PaddleX 依赖 diff --git a/docs/hardware_support/gcu/install_cn.md b/docs/hardware_support/gcu/install_cn.md index eeabc7251bb..97134279b61 100644 --- a/docs/hardware_support/gcu/install_cn.md +++ b/docs/hardware_support/gcu/install_cn.md @@ -21,17 +21,21 @@ lspci | grep S60 ## 运行环境准备 -推荐使用飞桨官方发布的燧原 GCU 开发镜像，该镜像预装有[燧原基础软件开发平台（TopsRider）](https://www.enflame-tech.com/developer)。 +您可以基于 docker、pip、源码等不同方式准备飞桨开发环境 + +### 基于 Docker 的方式（推荐） + +我们推荐使用飞桨官方发布的燧原 GCU 开发镜像，该镜像预装有[燧原基础软件开发平台（TopsRider）](https://www.enflame-tech.com/developer)和飞桨 3.0 版本的 SDK。 ```bash # 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:topsrider3.2.109-ubuntu20-x86_64-gcc84 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:3.0.0-topsrider3.2.109-ubuntu20-x86_64-gcc84-py310 ``` ```bash # 参考如下命令启动容器 docker run --name paddle-gcu-dev -v /home:/home \ --network=host --ipc=host -it --privileged \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:topsrider3.2.109-ubuntu20-x86_64-gcc84 /bin/bash + ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:3.0.0-topsrider3.2.109-ubuntu20-x86_64-gcc84-py310 /bin/bash ``` #### 选项说明及可调整参数 @@ -70,44 +74,36 @@ efsmi +--------------------------------------------------------------------------+ ``` -## 安装飞桨框架 - -### 安装方式一：wheel 包安装 - -燧原支持插件式安装，需先安装飞桨 CPU 安装包，再安装飞桨 GCU 插件包。在启动的 docker 容器中，执行以下命令： +### 基于 pip 安装的方式 ```bash -# 先安装飞桨 CPU 安装包 -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu - -# 再安装飞桨 GCU 插件包 -python -m pip install paddle-custom-gcu -i https://www.paddlepaddle.org.cn/packages/nightly/gcu +# 下载并安装 wheel 包 +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ +python -m pip install paddle-custom-gcu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/gcu/ ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 -在启动的 docker 容器中，先安装飞桨 CPU 安装包，再下载 PaddleCustomDevice 源码编译得到飞桨 GCU 插件包。 +### 基于源码编译的方式 ```bash # 下载 PaddleCustomDevice 源码 -git clone https://github.com/PaddlePaddle/PaddleCustomDevice +git clone https://github.com/PaddlePaddle/PaddleCustomDevice -b release/3.0.0 # 进入硬件后端(燧原 GCU)目录 cd PaddleCustomDevice/backends/gcu # 先安装飞桨 CPU 安装包 -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ -# 执行编译命令 - submodule 在编译时会按需下载 +# 执行编译脚本 - submodule 在编译时会按需下载 mkdir -p build && cd build export PADDLE_CUSTOM_PATH=`python -c "import re, paddle; print(re.compile('/__init__.py.*').sub('',paddle.__file__))"` cmake .. -DWITH_TESTING=ON -DCMAKE_EXPORT_COMPILE_COMMANDS=ON -DPY_VERSION=3.10 make -j $(nproc) -# 飞桨 GCU 插件包在 build/dist 路径下，使用 pip 安装即可 -python -m pip install --force-reinstall -U build/dist/paddle_custom_gcu*.whl +# 飞桨 MLU 插件包在 build/dist 路径下，使用 pip 安装即可 +python -m pip install build/dist/paddle_custom_gcu*.whl ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基础功能检查 安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 @@ -118,26 +114,8 @@ python -c "import paddle_custom_device; paddle_custom_device.gcu.version()" ``` ```bash # 预期得到如下输出结果 -version: 3.0.0.dev20241206 -commit: 7a2766768cc92aa94cc3d0ea6c23e8397f15f68a +version: 3.0.0 +commit: e6e31bd475e38c18d2c39d58fad903bd16b3ca0d TopsPlatform: 1.2.0.301 .... ``` -```bash -# 飞桨基础健康检查 -python -c "import paddle; paddle.utils.run_check()" -``` -```bash -# 预期得到输出如下 -Running verify PaddlePaddle program ... -PaddlePaddle works well on 1 gcu. -PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. -``` - -## 如何卸载 - -请使用以下命令卸载 Paddle: - -```bash -python -m pip uninstall paddlepaddle paddle-custom-gcu -``` diff --git a/docs/hardware_support/gcu/paddlex_tutorial_cn.md b/docs/hardware_support/gcu/paddlex_tutorial_cn.md index 3152b543fd6..603a2c464b0 100644 --- a/docs/hardware_support/gcu/paddlex_tutorial_cn.md +++ b/docs/hardware_support/gcu/paddlex_tutorial_cn.md @@ -8,7 +8,7 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:topsrider3.2.109-ubuntu20-x86_64-gcc84 + * 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-gcu:3.0.0-topsrider3.2.109-ubuntu20-x86_64-gcc84-py310 * 镜像中已经默认安装了燧原软件栈 TopsRider-3.2.109 @@ -16,23 +16,9 @@ ### 环境安装 -1. 安装 PaddlePaddle +1. 镜像中默认装有 3.0 版本的 PaddlePaddle，无需额外安装 -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/ -``` - -2. 安装 CustomDevice - -*该命令会自动安装飞桨 Custom Device 每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddle-custom-gcu -i https://www.paddlepaddle.org.cn/packages/nightly/gcu/ -``` - -3. 安装 PaddleX 代码库 +2. 安装 PaddleX 代码库 ```shell git clone https://github.com/PaddlePaddle/PaddleX.git @@ -46,7 +32,7 @@ cd PaddleX # -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel pip install -e . ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基于 PaddleX 进行 ResNet50 推理 ### 一、安装 PaddleX 依赖 diff --git a/docs/hardware_support/mlu/index_cn.rst b/docs/hardware_support/mlu/index_cn.rst index 3daa410ca9a..bd7b9812beb 100644 --- a/docs/hardware_support/mlu/index_cn.rst +++ b/docs/hardware_support/mlu/index_cn.rst @@ -8,7 +8,7 @@ 飞桨框架支持基于寒武纪 MLU 芯片的训练和推理，请参考以下内容快速体验： -- `寒武纪 MLU 安装说明` <./install_cn.html>: 寒武纪 MLU 安装说明 +- `寒武纪 MLU 安装说明 <./install_cn.html>`_ : 寒武纪 MLU 安装说明 - `寒武纪 MLU 基于框架的使用指南 <./paddle_tutorial_cn.html>`_ : 寒武纪 MLU 基于框架的使用指南 - `寒武纪 MLU 基于套件的使用指南 <./paddlex_tutorial_cn.html>`_ : 寒武纪 MLU 基于套件的使用指南 - `寒武纪 MLU 支持模型 <./support_cn.html>`_ : 寒武纪 MLU 支持模型 diff --git a/docs/hardware_support/mlu/install_cn.md b/docs/hardware_support/mlu/install_cn.md index e656681bb9c..28cbb8ccf0e 100644 --- a/docs/hardware_support/mlu/install_cn.md +++ b/docs/hardware_support/mlu/install_cn.md @@ -21,11 +21,15 @@ lspci -vvt | grep 370 ## 运行环境准备 -推荐使用飞桨官方发布的寒武纪 MLU 开发镜像，该镜像预装有[寒武纪基础软件开发平台](https://developer.cambricon.com/)。 +您可以基于 docker、pip、源码等不同方式准备飞桨开发环境 + +### 基于 Docker 的方式（推荐） + +我们推荐使用飞桨官方发布的寒武纪 MLU 开发镜像，该镜像预装有[寒武纪基础软件开发平台](https://developer.cambricon.com/)和飞桨 3.0 版本的 SDK。 ```bash # 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:ctr2.15.0-ubuntu20-gcc84-py310 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:3.0.0-ctr2.15.0-ubuntu20-gcc84-py310 ``` ```bash # 参考如下命令，启动容器 @@ -33,7 +37,7 @@ docker run -it --name paddle-mlu-dev -v $(pwd):/work \ -w=/work --shm-size=128G --network=host --privileged \ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined \ -v /usr/bin/cnmon:/usr/bin/cnmon \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:ctr2.15.0-ubuntu20-gcc84-py310 /bin/bash + ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:3.0.0-ctr2.15.0-ubuntu20-gcc84-py310 /bin/bash ``` #### 选项说明及可调整参数 @@ -79,46 +83,36 @@ cnmon +------------------------------------------------------------------------------+ ``` -## 安装飞桨框架 - -**注意**：当前飞桨 develop 分支仅支持 X86 架构，暂不支持寒武纪 MLU 的 ARM 架构。 - -### 安装方式一：wheel 包安装 - -寒武纪支持插件式安装，需先安装飞桨 CPU 安装包，再安装飞桨 MLU 插件包。在启动的 docker 容器中，执行以下命令： +### 基于 pip 安装的方式 ```bash -# 先安装飞桨 CPU 安装包 -pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu - -# 再安装飞桨 MLU 插件包 -pip install paddle-custom-mlu -i https://www.paddlepaddle.org.cn/packages/nightly/mlu +# 下载并安装 wheel 包 +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ +python -m pip install paddle-custom-mlu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/mlu/ ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 -在启动的 docker 容器中，先安装飞桨 CPU 安装包，再下载 PaddleCustomDevice 源码编译得到飞桨 MLU 插件包。 +### 基于源码编译的方式 ```bash # 下载 PaddleCustomDevice 源码 -git clone https://github.com/PaddlePaddle/PaddleCustomDevice +git clone https://github.com/PaddlePaddle/PaddleCustomDevice -b release/3.0.0 # 进入硬件后端(寒武纪 MLU)目录 cd PaddleCustomDevice/backends/mlu # 先安装飞桨 CPU 安装包 -pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ # 执行编译脚本 - submodule 在编译时会按需下载 bash tools/compile.sh # 飞桨 MLU 插件包在 build/dist 路径下，使用 pip 安装即可 -pip install build/dist/paddle_custom_mlu*.whl +python -m pip install build/dist/paddle_custom_mlu*.whl ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基础功能检查 -安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 +输入如下命令进行飞桨基础健康功能的检查。 ```bash # 检查当前安装版本 @@ -126,13 +120,13 @@ python -c "import paddle_custom_device; paddle_custom_device.mlu.version()" ``` ```bash # 预期得到如下输出结果 -version: 0.0.0 -commit: 147d506b2baa1971ab47b4550f0571e1f6b201fc -cntoolkit: 3.8.2 -cnnl: 1.23.2 -cnnl_extra: 1.6.1 -cncl: 1.14.0 -mluops: 0.11.0 +version: 3.0.0 +commit: e6e31bd475e38c18d2c39d58fad903bd16b3ca0d +cntoolkit: 3.10.1 +cnnl: 1.25.1 +cnnl_extra: 1.8.1 +cncl: 1.16.0 +mluops: 1.1.1 ``` ```bash # 飞桨基础健康检查 @@ -145,11 +139,3 @@ PaddlePaddle works well on 1 mlu. PaddlePaddle works well on 8 mlus. PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. ``` - -## 如何卸载 - -请使用以下命令卸载： - -```bash -pip uninstall paddlepaddle paddle-custom-mlu -``` diff --git a/docs/hardware_support/mlu/paddle_tutorial_cn.md b/docs/hardware_support/mlu/paddle_tutorial_cn.md index fd4fe154461..0d79a7f7427 100644 --- a/docs/hardware_support/mlu/paddle_tutorial_cn.md +++ b/docs/hardware_support/mlu/paddle_tutorial_cn.md @@ -8,26 +8,10 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:ctr2.15.0-ubuntu20-gcc84-py310 + * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:3.0.0-ctr2.15.0-ubuntu20-gcc84-py310 -### 环境安装 +* 镜像中默认装有 3.0 版本的 PaddlePaddle -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/ -``` - -2. 安装 CustomDevice - -*该命令会自动安装飞桨 Custom Device 每日自动构建的 nightly-build 版本* - -```shell -python -m pip install --pre paddle-custom-mlu -i https://www.paddlepaddle.org.cn/packages/nightly/mlu/ -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 ## 二、运行示例 飞桨框架集成了经典的视觉模型用于帮助用户快速上手，我们将基于 ResNet50 结构，在 Cifar10 数据集上进行一次快速训练，用于帮助您了解如何基于寒武纪 MLU 进行训练（和 GPU 训练代码相比，差异点仅为 `paddle.set_device("mlu")`） diff --git a/docs/hardware_support/mlu/paddlex_tutorial_cn.md b/docs/hardware_support/mlu/paddlex_tutorial_cn.md index ae77d070e62..7612e7487ed 100644 --- a/docs/hardware_support/mlu/paddlex_tutorial_cn.md +++ b/docs/hardware_support/mlu/paddlex_tutorial_cn.md @@ -8,17 +8,11 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:ctr2.15.0-ubuntu20-gcc84-py310 + * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-mlu:3.0.0-ctr2.15.0-ubuntu20-gcc84-py310 ### 环境安装 -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/ -``` +1. 镜像中默认装有 3.0 版本的 PaddlePaddle，无需额外安装 2. 安装 CustomDevice @@ -42,7 +36,7 @@ cd PaddleX # -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel pip install -e . ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基于 PaddleX 训练 ResNet50 ### 一、安装 PaddleX 依赖 diff --git a/docs/hardware_support/npu/index_cn.rst b/docs/hardware_support/npu/index_cn.rst index a2dea98814e..0479c297bab 100644 --- a/docs/hardware_support/npu/index_cn.rst +++ b/docs/hardware_support/npu/index_cn.rst @@ -8,7 +8,7 @@ 飞桨框架支持基于昇腾 NPU 芯片的训练和推理，请参考以下内容快速体验： -- `昇腾 NPU 安装说明` <./install_cn.html>: 昇腾 NPU 安装说明 +- `昇腾 NPU 安装说明 <./install_cn.html>`_ : 昇腾 NPU 安装说明 - `昇腾 NPU 基于框架的使用指南 <./paddle_tutorial_cn.html>`_ : 昇腾 NPU 基于框架的使用指南 - `昇腾 NPU 基于套件的使用指南 <./paddlex_tutorial_cn.html>`_ : 昇腾 NPU 基于套件的使用指南 - `昇腾 NPU 支持模型 <./support_cn.html>`_ : 昇腾 NPU 支持模型 diff --git a/docs/hardware_support/npu/install_cn.md b/docs/hardware_support/npu/install_cn.md index a944fd99afd..84066bab01d 100644 --- a/docs/hardware_support/npu/install_cn.md +++ b/docs/hardware_support/npu/install_cn.md @@ -24,12 +24,16 @@ lspci | grep d802 ## 运行环境准备 -推荐使用飞桨官方发布的昇腾 NPU 开发镜像，该镜像预装有[昇腾基础软件开发平台（CANN）](https://www.hiascend.com/software/cann)。 +您可以基于 docker、pip、源码等不同方式准备飞桨开发环境 + +### 基于 Docker 的方式（推荐） + +我们推荐使用飞桨官方发布的昇腾 NPU 开发镜像，该镜像预装有[昇腾基础软件开发平台（CANN）](https://www.hiascend.com/software/cann)和飞桨 3.0 版本的 SDK。 ```bash # 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-x86_64-gcc84 # X86 架构 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-aarch64-gcc84 # ARM 架构 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-x86_64-gcc84-py310 # X86 架构 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-aarch64-gcc84-py310 # ARM 架构 ``` ```bash # 考如下命令启动容器，ASCEND_RT_VISIBLE_DEVICES 可指定可见的 NPU 卡号 @@ -39,7 +43,7 @@ docker run -it --name paddle-npu-dev -v $(pwd):/work \ -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \ -v /usr/local/dcmi:/usr/local/dcmi \ -e ASCEND_RT_VISIBLE_DEVICES="0,1,2,3,4,5,6,7" \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-$(uname -m)-gcc84 /bin/bash + ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-$(uname -m)-gcc84-py310 /bin/bash ``` #### 选项说明及可调整参数 @@ -86,44 +90,38 @@ npu-smi info +===========================+===============+====================================================+ ``` -## 安装飞桨框架 - -### 安装方式一：wheel 包安装 - -昇腾支持插件式安装，需先安装飞桨 CPU 安装包，再安装飞桨 NPU 插件包。在启动的 docker 容器中，执行以下命令： +### 基于 pip 安装的方式 ```bash # 先安装飞桨 CPU 安装包 -pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ # 再安装飞桨 NPU 插件包 -pip install paddle-custom-npu -i https://www.paddlepaddle.org.cn/packages/nightly/npu +python -m pip install paddle-custom-npu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/npu/ ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 -在启动的 docker 容器中，先安装飞桨 CPU 安装包，再下载 PaddleCustomDevice 源码编译得到飞桨 NPU 插件包。 +### 基于源码编译的方式 ```bash # 下载 PaddleCustomDevice 源码 -git clone https://github.com/PaddlePaddle/PaddleCustomDevice +git clone https://github.com/PaddlePaddle/PaddleCustomDevice -b release/3.0.0 # 进入硬件后端(昇腾 NPU)目录 cd PaddleCustomDevice/backends/npu # 先安装飞桨 CPU 安装包 -pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu +python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ # 执行编译脚本 - submodule 在编译时会按需下载 bash tools/compile.sh # 飞桨 NPU 插件包在 build/dist 路径下，使用 pip 安装即可 -pip install build/dist/paddle_custom_npu*.whl +python -m pip install build/dist/paddle_custom_npu*.whl ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基础功能检查 -安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 +输入如下命令进行飞桨基础健康功能的检查。 ```bash # 检查当前安装版本 @@ -131,10 +129,10 @@ python -c "import paddle_custom_device; paddle_custom_device.npu.version()" ``` ```bash # 预期得到如下输出结果 -version: 0.0.0 -commit: 147d506b2baa1971ab47b4550f0571e1f6b201fc -cann: 8.0.RC2 -.... +version: 3.0.0 +commit: e6e31bd475e38c18d2c39d58fad903bd16b3ca0d +custom_op commit: e6e31bd475e38c18d2c39d58fad903bd16b3ca0d +cann: 8.0.0 ``` ```bash # 飞桨基础健康检查 @@ -148,17 +146,9 @@ PaddlePaddle works well on 8 npus. PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. ``` -## 如何卸载 - -请使用以下命令卸载 Paddle: - -```bash -pip uninstall paddlepaddle paddle-custom-npu -``` - ## 常见问题解决 -* CANN-8.0.RC2 对 numpy 和 opencv 部分版本不支持，建议安装指定版本 +* CANN-8.0.x 系列 对 numpy 和 opencv 部分版本不支持，建议安装指定版本 ```bash python -m pip install numpy==1.26.4 python -m pip install opencv-python==3.4.18.65 diff --git a/docs/hardware_support/npu/paddle_tutorial_cn.md b/docs/hardware_support/npu/paddle_tutorial_cn.md index 4441631fdca..f5d84fbc0a0 100644 --- a/docs/hardware_support/npu/paddle_tutorial_cn.md +++ b/docs/hardware_support/npu/paddle_tutorial_cn.md @@ -8,32 +8,16 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * x86_64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-x86_64-gcc84 + * x86_64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-x86_64-gcc84-py310 - * aarch64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-aarch64-gcc84 + * aarch64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-aarch64-gcc84-py310 - * 镜像中已经默认安装了昇腾算子库 CANN-8.0.RC2 + * 镜像中已经默认安装了昇腾算子库 CANN-8.0.0 * 昇腾驱动版本为 23.0.3 -### 环境安装 +* 镜像中默认装有 3.0 版本的 PaddlePaddle -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/ -``` - -2. 安装 CustomDevice - -*该命令会自动安装飞桨 Custom Device 每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddle-custom-npu -i https://www.paddlepaddle.org.cn/packages/nightly/npu/ -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 ## 二、运行示例 飞桨框架集成了经典的视觉模型用于帮助用户快速上手，我们将基于 ResNet50 结构，在 Cifar10 数据集上进行一次快速训练，用于帮助您了解如何基于昇腾 NPU 进行训练（和 GPU 训练代码相比，差异点仅为 `paddle.set_device("npu")`） diff --git a/docs/hardware_support/npu/paddlex_tutorial_cn.md b/docs/hardware_support/npu/paddlex_tutorial_cn.md index 0c1cbd5804e..18a8230416d 100644 --- a/docs/hardware_support/npu/paddlex_tutorial_cn.md +++ b/docs/hardware_support/npu/paddlex_tutorial_cn.md @@ -8,23 +8,17 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * x86_64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-x86_64-gcc84 + * x86_64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-x86_64-gcc84-py310 - * aarch64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:cann80RC2-ubuntu20-npu-base-aarch64-gcc84 + * aarch64 镜像链接：ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-npu:3.0.0-cann800-ubuntu20-npu-910b-aarch64-gcc84-py310 - * 镜像中已经默认安装了昇腾算子库 CANN-8.0.RC2 + * 镜像中已经默认安装了昇腾算子库 CANN-8.0.0 * 昇腾驱动版本为 23.0.3 ### 环境安装 -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -```shell -python -m pip install paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/ -``` +1. 镜像中默认装有 3.0 版本的 PaddlePaddle，无需额外安装 2. 安装 CustomDevice @@ -48,7 +42,7 @@ cd PaddleX # -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel pip install -e . ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基于 PaddleX 训练 ResNet50 ### 一、安装 PaddleX 依赖 diff --git a/docs/hardware_support/xpu/index_cn.rst b/docs/hardware_support/xpu/index_cn.rst index 604b2d5af33..620b99f4d5b 100644 --- a/docs/hardware_support/xpu/index_cn.rst +++ b/docs/hardware_support/xpu/index_cn.rst @@ -10,16 +10,12 @@ 更多昆仑芯 XPU 芯片详情及技术指标请 `点击这里 `_ 。 -飞桨框架支持基于昆仑芯 XPU 芯片的训练和推理，请参考以下内容快速体验： - -- `昆仑芯 XPU 安装说明 <./xpu-gen2_install_cn.html>`_: 昆仑芯 XPU 二代芯片安装说明 -- `昆仑芯 XPU 基于框架的使用指南 <./xpu-gen2_paddle_tutorial_cn.html>`_ : 昆仑芯 XPU 二代芯片基于框架的使用指南 -- `昆仑芯 XPU 基于套件的使用指南 <./xpu-gen2_paddlex_tutorial_cn.html>`_ : 昆仑芯 XPU 二代芯片基于套件的使用指南 -- `昆仑芯 XPU 支持模型 <./xpu-gen2_support_cn.html>`_ : 昆仑芯 XPU 二代芯片支持模型 -- `昆仑芯 XPU 安装说明 <./xpu-p800_install_cn.html>`_: 昆仑芯 XPU P800 安装说明 -- `昆仑芯 XPU 基于框架的使用指南 <./xpu-p800_paddle_tutorial_cn.html>`_ : 昆仑芯 XPU P800 基于框架的使用指南 -- `昆仑芯 XPU 基于套件的使用指南 <./xpu-p800_paddlex_tutorial_cn.html>`_ : 昆仑芯 XPU P800 基于套件的使用指南 -- `昆仑芯 XPU 支持模型 <./xpu-p800_support_cn.html>`_ : 昆仑芯 XPU P800 支持模型 +飞桨框架支持基于昆仑芯 XPU 芯片的训练和推理，请参考以下内容快速体验（注意，从 3.0 版本开始，飞桨不再支持昆仑 2 代芯片，如果需要使用相关功能，请使用 3.0rc 版本）： + +- `昆仑芯 XPU P800 安装说明 <./xpu-p800_install_cn.html>`_ : 昆仑芯 XPU P800 安装说明 +- `昆仑芯 XPU P800 基于框架的使用指南 <./xpu-p800_paddle_tutorial_cn.html>`_ : 昆仑芯 XPU P800 基于框架的使用指南 +- `昆仑芯 XPU P800 基于套件的使用指南 <./xpu-p800_paddlex_tutorial_cn.html>`_ : 昆仑芯 XPU P800 基于套件的使用指南 +- `昆仑芯 XPU P800 支持模型 <./xpu-p800_support_cn.html>`_ : 昆仑芯 XPU P800 支持模型 .. toctree:: :hidden: diff --git a/docs/hardware_support/xpu/xpu-gen2_install_cn.md b/docs/hardware_support/xpu/xpu-gen2_install_cn.md deleted file mode 100644 index e9406376acd..00000000000 --- a/docs/hardware_support/xpu/xpu-gen2_install_cn.md +++ /dev/null @@ -1,154 +0,0 @@ -# 昆仑芯 XPU 安装说明 - -飞桨框架 XPU 版支持昆仑芯 XPU 的训练和推理，提供两种安装方式： - -1. 通过飞桨官网发布的 wheel 包安装 -2. 通过源代码编译安装得到 wheel 包 - -## 昆仑芯 XPU 系统要求 - -| 要求类型 | 要求内容 | -| --------- | -------- | -| 芯片型号 | 昆仑芯 2 代，包括 R200、R300、R200-8F、RG800 | -| 操作系统 | Linux 操作系统，包括 Ubuntu、CentOS、KylinV10 | - -**注意**：当前教程适用于『昆仑芯』二代芯片。查看芯片类型请参考如下命令： - -```bash -# 系统环境下运行如下命令，如果有设备列表输出，且字段为 3684，则说明芯片为昆仑芯二代芯片 -lspci -d 1d22: -n -``` - -## 运行环境准备 - -推荐使用飞桨官方发布的昆仑芯 XPU 开发镜像，该镜像预装有昆仑芯基础运行环境库（XRE）。 - -```bash -# 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 -``` -```bash -# 参考如下命令，启动容器 -docker run -it --name paddle-xpu-dev -v $(pwd):/work \ - -w=/work --shm-size=128G --network=host --privileged \ - --cap-add=SYS_PTRACE --security-opt seccomp=unconfined \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 /bin/bash -``` -#### 选项说明及可调整参数 - -##### ① `--name paddle-xpu-dev` -- **作用**：指定容器名称。 -- **可调整**： - - 用户可改为其他名称，例如 `paddle-xpu-test`，方便区分不同实验。 - -##### ② `-v $(pwd):/work` -- **作用**：挂载本地目录到容器内 `/work` 目录。 -- **可调整**： - - 可以修改 `$(pwd)` 为实际路径，例如 `-v /data/projects:/work`，让容器访问宿主机的数据。 - -##### ③ `--shm-size=128G` -- **作用**：设置共享内存大小，影响数据处理和计算效率。 -- **可调整**： - - 若内存有限，可降低，如 `--shm-size=32G`，但可能影响大规模训练。 - - 若训练任务需要更大共享内存，可提高，如 `--shm-size=256G`。 -```bash -# 检查容器内是否可以正常识别昆仑芯 XPU 设备 -xpu_smi -``` -```bash -# 预期得到输出如下 -Runtime Version: 4.31 -Driver Version: 4.0 - DEVICES -------------------------------------------------------------------------------------------- -| DevID | PCI Addr | Model | SN | INODE | UseRate | L3 | Memory | -------------------------------------------------------------------------------------------- -| 0 | 0000:53:00.0 | R300 | 02Kxxx | /dev/xpu0 | 0 % | 0 / 63 MB | 0 / 32768 MB | -| 1 | 0000:56:00.0 | R300 | 02Kxxx | /dev/xpu1 | 0 % | 0 / 63 MB | 0 / 32768 MB | -------------------------------------------------------------------------------------------- - VIDEO ------------------------------------------------------------------------------------ -| DevID | Model | DEC | ENC | IMGPROC | ------------------------------------------------------------------------------------ -| 0 | R300 | 0 %, 0 fps, 800 MHz | 0 %, 0 fps, 800 MHz | 0 %, 0 fps, 800 MHz | -| 1 | R300 | 0 %, 0 fps, 800 MHz | 0 %, 0 fps, 800 MHz | 0 %, 0 fps, 800 MHz | ------------------------------------------------------------------------------------ - PROCESSES -------------------------------------------------- -| DevID | PID | Streams | L3 | Memory | Command | -------------------------------------------------- -------------------------------------------------- -``` - -## 安装飞桨框架 - -**注意**：当前飞桨 develop 分支仅支持 X86 架构，如需昆仑芯 XPU 的 ARM 架构支持，请切换到 [release/2.6](https://www.paddlepaddle.org.cn/documentation/docs/zh/2.6/guides/hardware_support/xpu/install_cn.html) 分支。 - -### 安装方式一：wheel 包安装 - -在启动的 docker 容器中，下载并安装飞桨官网发布的 wheel 包。 - -```bash -# 下载并安装 wheel 包 -pip install paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 - -在启动的 docker 容器中，下载 Paddle 源码并编译，CMAKE 编译选项含义请参见[编译选项表](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/install/Tables.html#Compile)。 - -```bash -# 下载 Paddle 源码 -git clone https://github.com/PaddlePaddle/Paddle.git -b develop -cd Paddle - -# 创建编译目录 -mkdir build && cd build - -# cmake 编译命令 -cmake .. -DCMAKE_EXPORT_COMPILE_COMMANDS=ON -DCMAKE_CXX_FLAGS="-Wno-error -w" \ - -DPY_VERSION=3.10 -DPYTHON_EXECUTABLE=`which python3` -DWITH_CUSTOM_DEVICE=OFF \ - -DWITH_TESTING=OFF -DON_INFER=ON -DWITH_DISTRIBUTE=ON -DWITH_ARM=OFF \ - -DWITH_XPU=ON -DWITH_XPU_BKCL=ON -DWITH_UBUNTU=ON - -# make 编译命令 -make -j16 - -# 编译产出在 build/python/dist/ 路径下，使用 pip 安装即可 -pip install -U paddlepaddle_xpu-0.0.0-cp310-cp310-linux_x86_64.whl -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -## 基础功能检查 - -安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 - -```bash -# 检查当前安装版本 -python -c "import paddle; paddle.version.show()" -``` -```bash -# 预期得到输出如下 -commit: 84425362060e126b066a5a0f0d29ae2e2218a834 -xpu: 20240104 -xpu_xccl: 1.1.8.1 -xpu_xhpc: 20240312 -``` -```bash -# 飞桨基础健康检查 -python -c "import paddle; paddle.utils.run_check()" -``` -```bash -# 预期得到输出如下 -Running verify PaddlePaddle program ... -PaddlePaddle works well on 1 XPU. -PaddlePaddle works well on 8 XPUs. -PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. -``` - -## 如何卸载 - -请使用以下命令卸载： - -```bash -pip uninstall paddlepaddle-xpu -``` diff --git a/docs/hardware_support/xpu/xpu-gen2_paddle_tutorial_cn.md b/docs/hardware_support/xpu/xpu-gen2_paddle_tutorial_cn.md deleted file mode 100644 index df6a9f17f8a..00000000000 --- a/docs/hardware_support/xpu/xpu-gen2_paddle_tutorial_cn.md +++ /dev/null @@ -1,110 +0,0 @@ -# 昆仑芯 XPU 基于框架的使用指南 - -## 一、环境准备 - -### 环境说明 - -* 本教程介绍如何基于昆仑芯 XPU 进行 ResNet50 的训练，总共需要 1 卡进行训练 - -* 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 - -### 环境安装 - -安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 xpu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu/ -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -## 二、运行示例 - -飞桨框架集成了经典的视觉模型用于帮助用户快速上手，我们将基于 ResNet50 结构，在 Cifar10 数据集上进行一次快速训练，用于帮助您了解如何基于昆仑芯 XPU 进行训练（和 GPU 训练代码相比，差异点仅为 `paddle.set_device("xpu")`） - -注意： - -* *本教程主要用于快速入门，并未对参数进行细致调优，训练效果未必是最好的，您可以自行调整超参数进行效果调优* - -* *本教程预计使用单卡 R300 训练 40 分钟* - -1. 导入必要的包 - -```python -import paddle -from paddle.vision import transforms -from paddle.vision.models import resnet50 -``` - -2. 设置运行设备 - -```python -# 1. 设定运行设备为 xpu -paddle.set_device("xpu") -``` - -3. 加载训练数据集 - -```python -# 2. 定义数据集、数据预处理方法与 DataLoader -transform = transforms.Compose([ - transforms.Resize(224), - transforms.ToTensor(), - transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) -]) -train_set = paddle.vision.datasets.Cifar10(mode='train', transform=transform) -train_loader = paddle.io.DataLoader(train_set, batch_size=128, num_workers=8) -``` - -4. 定义网络结构和损失函数 - -```python -# 3. 定义网络结构 -net = resnet50(num_classes=10) -# 4. 定义损失函数 -net_loss = paddle.nn.CrossEntropyLoss() -# 5. 定义优化器 -optimizer = paddle.optimizer.Adam(learning_rate=0.001, parameters=net.parameters()) -``` - -5. 启动训练 - -训练过程中会打印 loss 的变化情况，可以观察到 loss 在初步下降，这意味着模型参数逐渐适应了该数据集。 - -```python -net.train() -for epoch in range(10): - for batch_idx, data in enumerate(train_loader, start=0): - inputs, labels = data - optimizer.clear_grad() - # 6. 前向传播并计算损失 - outputs = net(inputs) - loss = net_loss(outputs, labels) - # 7. 反向传播 - loss.backward() - # 8. 更新参数 - optimizer.step() - print('Epoch %d, Iter %d, Loss: %.5f' % (epoch + 1, batch_idx + 1, loss)) -print('Finished Training') -``` - -6. 测试模型效果 - -```python -test_dataset = paddle.vision.datasets.Cifar10(mode='test', transform=transform) - -# 测试 5 张图片效果 -for i in range(5): - test_image, gt = test_dataset[0] - # CHW -> NCHW - test_image = test_image.unsqueeze(0) - - # 取预测分布中的最大值 - res = net(test_image).argmax().numpy() - print(f"图像{i} 标签：{gt}") - print(f"模型预测结果：{res}") -``` diff --git a/docs/hardware_support/xpu/xpu-gen2_paddlex_tutorial_cn.md b/docs/hardware_support/xpu/xpu-gen2_paddlex_tutorial_cn.md deleted file mode 100644 index 51084a9ebba..00000000000 --- a/docs/hardware_support/xpu/xpu-gen2_paddlex_tutorial_cn.md +++ /dev/null @@ -1,136 +0,0 @@ -# 昆仑芯 XPU 基于 PaddleX 的使用指南 - -## 环境准备 - -### 环境说明 - -* 本教程介绍如何基于昆仑芯 XPU 进行 ResNet50 的训练，总共需要 4 卡进行训练 - -* 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 - -### 环境安装 - -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 xpu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu/ -``` - -2. 安装 PaddleX 代码库 - -```shell -git clone https://github.com/PaddlePaddle/PaddleX.git - -# 如果速度较慢，可以考虑从 gitee 拉取 -# git clone https://gitee.com/paddlepaddle/PaddleX.git - -cd PaddleX - -# 安装 PaddleX whl -# -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel -pip install -e . -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -## 基于 PaddleX 训练 ResNet50 - -### 一、安装 PaddleX 依赖 - -```shell -# 跳转到 PaddleX 根目录下 -cd /path/to/paddlex - -# 安装 PaddleX 相关依赖，由于我们使用的是图像分类模型，因此安装图像分类库 -paddlex --install PaddleClas - -# 完成安装后会有如下提示： -# All packages are installed. -``` - -### 二、数据准备 - -为了快速上手验证，我们基于 flowers 102 数据集进行快速体验： - -1. 下载数据集 - -```shell -# 跳转到 PaddleX 根目录下 -cd /path/to/paddlex - -# 下载并解压数据 -wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/cls_flowers_examples.tar -P ./dataset -tar -xf ./dataset/cls_flowers_examples.tar -C ./dataset/ -``` - -2. 数据校验 - -```shell -# PaddleX 支持对数据集进行校验，确保数据集格式符合 PaddleX 的相关要求。同时在数据校验时，能够对数据集进行分析，统计数据集的基本信息。 -python main.py -c paddlex/configs/image_classification/ResNet50.yaml \ - -o Global.mode=check_dataset \ - -o Global.dataset_dir=./dataset/cls_flowers_examples - -# 命令运行成功后会在 log 中打印出 Check dataset passed ! 信息 -``` - -更多关于 PaddleX 数据集说明的内容，可以查看 [PaddleX 图像分类模块数据准备](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/image_classification.md#41-%E6%95%B0%E6%8D%AE%E5%87%86%E5%A4%87) - -### 三、模型训练 - -进入 `PaddleX` 目录下，执行如下命令启动 4 卡 XPU（0 ~ 3 号卡）训练，其中： - -* 参数 `-o Global.device` 指定的是即将运行的设备，这里需要传入的是 `xpu:0,1,2,3` ，通过指定该参数，PaddleX 调用飞桨的设备指定接口 `paddle.set_device` 来指定运行设备为 `xpu` ，在进行模型训练时，飞桨将自动调用 xpu 算子用于执行模型计算。关于设备指定的更多细节，可以参考官方 api [paddle.set_device](https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/device/set_device_cn.html#set-device)。 - -* 参数 `-c paddlex/configs/modules/image_classification/ResNet50.yaml` 表示读取指定目录下的配置文件，配置文件中指定了模型结构，训练超参等所有训练模型需要用到的配置，该文件中指定的模型结构为 `ResNet50` - -```shell -python main.py -c paddlex/configs/modules/image_classification/ResNet50.yaml \ - -o Global.mode=train \ - -o Global.dataset_dir=./dataset/cls_flowers_examples \ - -o Global.output=resnet50_output \ - -o Global.device="xpu:0,1,2,3" -``` - -上述命令会在 `PaddleX` 目录下产生一个 `resnet50_output/` 目录，该目录会存放训练过程中的模型参数 - -### 四、模型推理 - -#### 基于 PaddleInference 推理 - -训练完成后，最优权重放在 `resnet50_output/best_model/` 目录下，其中 `inference/inference.pdiparams`、`inference/inference.pdiparams.info`、`inference/inference.pdmodel` 3 个文件为静态图文件，用于推理使用，使用如下命令进行推理 - -```shell -python main.py -c paddlex/configs/modules/image_classification/ResNet50.yaml \ - -o Global.mode=predict \ - -o Predict.model_dir="./resnet50_output/best_model/inference" \ - -o Predict.input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg" \ - -o Global.device="xpu:0" -``` - -#### 转换 ONNX 模型 - -如果您有额外的部署需求需要基于 ONNX 实现，我们也提供了专用的工具用于导出 ONNX 模型，参考如下步骤，即可将第一步导出的静态图模型转换为 ONNX 模型： - -a. 安装环境 - -```shell -# 安装 paddle2onnx，该工具支持将 PaddleInference 模型转换为 ONNX 格式 -python -m pip install paddle2onnx -``` - -b. 模型转换 - -```shell -paddle2onnx --model_dir=./resnet50_output/best_model/inference \ - --model_filename=inference.pdmodel \ - --params_filename=inference.pdiparams \ - --save_file=./resnet50_output/best_model/inference.onnx \ - --enable_onnx_checker=True -``` - -该命令会在 `resnet50_output/best_model` 目录下生成 `inference.onnx` 文件 diff --git a/docs/hardware_support/xpu/xpu-gen2_support_cn.md b/docs/hardware_support/xpu/xpu-gen2_support_cn.md deleted file mode 100644 index 9500f652170..00000000000 --- a/docs/hardware_support/xpu/xpu-gen2_support_cn.md +++ /dev/null @@ -1,54 +0,0 @@ -# 昆仑芯 XPU 支持模型 - -飞桨框架在昆仑芯 XPU 上通过精度验证的模型情况如下： - -* PaddleX 使用文档详见：[PaddleX 多硬件使用](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/other_devices_support/multi_devices_use_guide.md) -* PaddleNLP 大语言模型多硬件使用文档详见：[PaddleNLP XPU 大语言模型使用文档](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/llm/xpu) -* 如果您适配/验证过更多模型，欢迎向飞桨开源社区贡献适配代码，然后邮件联系我们更新本列表 [ext_paddle_oss](ext_paddle_oss@baidu.com) - -| 模型库 | 模型类型 | 模型名称 | 训练 | 推理 | -| - | - | - | - | - | -| PaddleX | 图像分类 | [ResNet18](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/ResNet18.yaml) | √ | √ | -| PaddleX | 图像分类 | [ResNet34](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/ResNet34.yaml) | √ | √ | -| PaddleX | 图像分类 | [ResNet50](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/ResNet50.yaml) | √ | √ | -| PaddleX | 图像分类 | [ResNet101](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/ResNet101.yaml) | √ | √ | -| PaddleX | 图像分类 | [ResNet152](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/ResNet152.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x0_25](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x0_25.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x0_35](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x0_35.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x0_5](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x0_5.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x0_75](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x0_75.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x1_0](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x1_0.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x1_5](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x1_5.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x2_0](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x2_0.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-LCNet_x2_5](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-LCNet_x2_5.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_small_x0_35](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_small_x0_35.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_small_x0_5](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_small_x0_5.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_small_x0_75](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_small_x0_75.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_small_x1_0](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_small_x1_0.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_small_x1_25](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_small_x1_25.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_large_x0_35](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_large_x0_35.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_large_x0_5](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_large_x0_5.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_large_x0_75](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_large_x0_75.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_large_x1_0](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_large_x1_0.yaml) | √ | √ | -| PaddleX | 图像分类 | [MobileNetV3_large_x1_25](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/MobileNetV3_large_x1_25.yaml) | √ | √ | -| PaddleX | 图像分类 | [PP-HGNet_small](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/image_classification/PP-HGNet_small.yaml) | √ | √ | -| PaddleX | 目标检测 | [PP-YOLOE_plus-S](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PP-YOLOE_plus-S.yaml) | √ | √ | -| PaddleX | 目标检测 | [PP-YOLOE_plus-M](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PP-YOLOE_plus-M.yaml) | √ | √ | -| PaddleX | 目标检测 | [PP-YOLOE_plus-L](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PP-YOLOE_plus-L.yaml) | √ | √ | -| PaddleX | 目标检测 | [PP-YOLOE_plus-X](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PP-YOLOE_plus-X.yaml) | √ | √ | -| PaddleX | 目标检测 | [PicoDet-S](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PicoDet-S.yaml) | √ | √ | -| PaddleX | 目标检测 | [PicoDet-L](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/object_detection/PicoDet-L.yaml) | √ | √ | -| PaddleX | 语义分割 | [PP-LiteSeg-T](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/semantic_segmentation/PP-LiteSeg-T.yaml) | √ | √ | -| PaddleX | 文本检测 | [PP-OCRv4_server_det](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/text_detection/PP-OCRv4_server_det.yaml) | √ | √ | -| PaddleX | 文本检测 | [PP-OCRv4_mobile_det](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/text_detection/PP-OCRv4_mobile_det.yaml) | √ | √ | -| PaddleX | 文本识别 | [PP-OCRv4_server_rec](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/text_recognition/PP-OCRv4_server_rec.yaml) | √ | √ | -| PaddleX | 文本识别 | [PP-OCRv4_mobile_rec](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/text_recognition/PP-OCRv4_mobile_rec.yaml) | √ | √ | -| PaddleX | 版面分析 | [PicoDet_layout_1x](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/layout_detection/PicoDet_layout_1x.yaml) | √ | √ | -| PaddleX | 图像异常检测 | [STFPM](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/anomaly_detection/STFPM.yaml) | √ | √ | -| PaddleX | 人脸检测 | [PicoDet_LCNet_x2_5_face](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta2/paddlex/configs/modules/face_detection/PicoDet_LCNet_x2_5_face.yaml) | √ | √ | -| PaddleX | 时序预测 | [DLinear](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/ts_forecast/DLinear.yaml) | √ | √ | -| PaddleX | 时序预测 | [RLinear](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/ts_forecast/RLinear.yaml) | √ | √ | -| PaddleX | 时序预测 | [NLinear](https://github.com/PaddlePaddle/PaddleX/blob/develop/paddlex/configs/modules/ts_forecast/NLinear.yaml) | √ | √ | -| PaddleNLP | 自然语言理解模型 | [BERT](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/slm/model_zoo/bert) | √ | √ | -| PaddleNLP | 自然语言理解模型 | [ERINE3.0](https://github.com/PaddlePaddle/PaddleNLP/blob/develop/slm/model_zoo/ernie-3.0/configs/modules/default.yml) | √ | √ | -| PaddleNLP | 大语言模型 | [LLaMA](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/llm/devices/xpu/llama) | √ | √ | diff --git a/docs/hardware_support/xpu/xpu-p800_install_cn.md b/docs/hardware_support/xpu/xpu-p800_install_cn.md index 181393abf3b..c07605990b1 100644 --- a/docs/hardware_support/xpu/xpu-p800_install_cn.md +++ b/docs/hardware_support/xpu/xpu-p800_install_cn.md @@ -22,11 +22,15 @@ lspci -d 2057: -n ## 运行环境准备 -推荐使用飞桨官方发布的昆仑芯 XPU 开发镜像，该镜像预装有昆仑芯基础运行环境库（XRE）。 +您可以基于 docker、pip、源码等不同方式准备飞桨开发环境 + +### 基于 Docker 的方式（推荐） + +我们推荐使用飞桨官方发布的昆仑芯 XPU 开发镜像，该镜像预装有昆仑芯基础运行环境库（XRE）和飞桨 3.0 版本的 SDK。 ```bash # 拉取镜像 -docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 +docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:3.0.0-xpu-ubuntu20-x86_64-gcc84-py310 ``` ```bash # 参考如下命令，启动容器 @@ -34,7 +38,7 @@ docker run -it --name paddle-xpu-dev -v $(pwd):/work \ -v /usr/local/bin/xpu-smi:/usr/local/bin/xpu-smi \ -w=/work --shm-size=128G --network=host --privileged \ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined \ - ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 /bin/bash + ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:3.0.0-xpu-ubuntu20-x86_64-gcc84-py310 /bin/bash ``` #### 选项说明及可调整参数 @@ -58,42 +62,33 @@ docker run -it --name paddle-xpu-dev -v $(pwd):/work \ xpu-smi ``` -## 安装飞桨框架 - -**注意**：当前飞桨 develop 分支仅支持 X86 架构，如需昆仑芯 XPU 的 ARM 架构支持，请提交[issue](https://github.com/PaddlePaddle/Paddle/issues)告知我们 - -### 安装方式一：wheel 包安装 - -在启动的 docker 容器中，下载并安装飞桨官网发布的 wheel 包。 +### 基于 pip 安装的方式 ```bash # 下载并安装 wheel 包 -python -m pip install --pre paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu-p800/ +python -m pip install paddlepaddle-xpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/xpu/ ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 -### 安装方式二：源代码编译安装 -在启动的 docker 容器中，下载 Paddle 源码并编译，CMAKE 编译选项含义请参见[编译选项表](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/install/Tables.html#Compile)。 +### 基于源码编译的方式 ```bash # 下载 Paddle 源码 -git clone https://github.com/PaddlePaddle/Paddle.git -b develop +git clone https://github.com/PaddlePaddle/Paddle.git -b release/3.0 cd Paddle # 创建编译目录 mkdir build && cd build # cmake 编译命令 -cmake .. -DPY_VERSION=3.10 -DCMAKE_BUILD_TYPE=Release -DWITH_GPU=OFF -DWITH_XPU=ON -DON_INFER=ON \ - -DWITH_PYTHON=ON -DWITH_MKL=OFF -DWITH_XPU_BKCL=ON -DWITH_TESTING=ON -DWITH_DISTRIBUTE=ON -DWITH_XPU_XRE5=ON -DWITH_XCCL_RDMA=ON +cmake .. -DPY_VERSION=3.10 -DCMAKE_BUILD_TYPE=Release -DWITH_GPU=OFF -DWITH_XPU=ON -DON_INFER=ON -DWITH_PYTHON=ON -DWITH_MKL=OFF -DWITH_XPU_BKCL=ON -DWITH_TESTING=OFF -DWITH_DISTRIBUTE=ON -DWITH_XPU_XRE5=ON -DWITH_XCCL_RDMA=ON # make 编译命令 -make -j50 TARGET=HASWELL +make -j128 TARGET=HASWELL # 编译产出在 build/python/dist/ 路径下，使用 pip 安装即可 -pip install -U paddlepaddle_xpu-0.0.0-cp310-cp310-linux_x86_64.whl +python -m pip install -U paddlepaddle_xpu-*-linux_x86_64.whl ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基础功能检查 安装完成后，在 docker 容器中输入如下命令进行飞桨基础健康功能的检查。 diff --git a/docs/hardware_support/xpu/xpu-p800_paddle_tutorial_cn.md b/docs/hardware_support/xpu/xpu-p800_paddle_tutorial_cn.md index d259fe86d57..7f8211934de 100644 --- a/docs/hardware_support/xpu/xpu-p800_paddle_tutorial_cn.md +++ b/docs/hardware_support/xpu/xpu-p800_paddle_tutorial_cn.md @@ -8,20 +8,10 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 + * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:3.0.0-xpu-ubuntu20-x86_64-gcc84-py310 -### 环境安装 +* 镜像中默认装有 3.0 版本的 PaddlePaddle -安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 xpu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install --pre paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu-p800/ -``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 ## 二、运行示例 飞桨框架集成了经典的视觉模型用于帮助用户快速上手，我们将基于 ResNet50 结构，在 Cifar10 数据集上进行一次快速训练，用于帮助您了解如何基于昆仑芯 XPU P800 进行训练（和 GPU 训练代码相比，差异点仅为 `paddle.set_device("xpu")`） diff --git a/docs/hardware_support/xpu/xpu-p800_paddlex_tutorial_cn.md b/docs/hardware_support/xpu/xpu-p800_paddlex_tutorial_cn.md index 25471e24ef6..e23fb61c8a7 100644 --- a/docs/hardware_support/xpu/xpu-p800_paddlex_tutorial_cn.md +++ b/docs/hardware_support/xpu/xpu-p800_paddlex_tutorial_cn.md @@ -8,19 +8,11 @@ * 考虑到环境差异性，我们推荐使用教程提供的标准镜像完成环境准备： - * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:ubuntu20-x86_64-gcc84-py310 + * 镜像链接： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-xpu:3.0.0-xpu-ubuntu20-x86_64-gcc84-py310 ### 环境安装 -1. 安装 PaddlePaddle - -*该命令会自动安装飞桨主框架每日自动构建的 nightly-build 版本* - -*由于 xpu 代码位于飞桨主框架中，因此我们不需要安装额外的 Custom Device 包* - -```shell -python -m pip install --pre paddlepaddle-xpu -i https://www.paddlepaddle.org.cn/packages/nightly/xpu-p800/ -``` +1. 镜像中默认装有 3.0 版本的 PaddlePaddle，无需额外安装 2. 安装 PaddleX 代码库 @@ -36,7 +28,7 @@ cd PaddleX # -e：以可编辑模式安装，当前项目的代码更改，都会直接作用到已经安装的 PaddleX Wheel pip install -e . ``` -⚠️ 注意：nightly 版本为每日构建，可能存在不稳定性。如果需要更稳定的版本，建议使用 3.0-rc 版本。 + ## 基于 PaddleX 训练 ResNet50 ### 一、安装 PaddleX 依赖