附录

编译依赖表

依赖包名称 版本 说明 安装命令
CMake 3.15, 3.16(推荐),3.17
GCC (Linux Only) 5.4 / 8.2 推荐使用CentOS的devtools2
Clang (MacOS Only) 9.0及以上 通常使用MacOS 10.11及以上的系统对应的Clang版本即可
Python(64 bit) 3.6+.x 依赖 libpython3.6+.so 请访问Python 官网
SWIG 最低 2.0 apt install swig yum install swig
wget any apt install wget yum install wget
openblas any 可选
pip >=20.2.2 apt install python-pip yum install python-pip
numpy >=1.12.0 pip install numpy
protobuf >=3.1.0 pip install protobuf
wheel any pip install wheel
patchELF any apt install patchelf 或参见github patchELF 官方文档
go >=1.8 可选
setuptools >= 28.0.0
unrar brew install unrar (For MacOS), apt-get install unrar (For Ubuntu)



编译选项表

选项 说明 默认值
WITH_GPU 是否支持CUDA ON
WITH_ROCM 是否支持ROCM OFF
WITH_AVX 是否编译含有AVX指令集的PaddlePaddle二进制文件 ON
WITH_PYTHON 是否内嵌PYTHON解释器 ON
WITH_TESTING 是否开启单元测试 OFF
WITH_MKL 是否使用MKL数学库,如果为否则是用OpenBLAS ON
WITH_SYSTEM_BLAS 是否使用系统自带的BLAS OFF
WITH_DISTRIBUTE 是否编译带有分布式的版本 OFF
WITH_BRPC_RDMA 是否使用BRPC RDMA作为RPC协议 OFF
ON_INFER 是否打开预测优化 OFF
CUDA_ARCH_NAME 是否只针对当前CUDA架构编译 All:编译所有可支持的CUDA架构 可选:Auto 自动识别当前环境的架构编译
TENSORRT_ROOT 指定TensorRT路径 Windows下默认值为'/',Linux下默认值为 '/usr/'

BLAS

PaddlePaddle支持 MKLOpenBlAS 两种BLAS库。默认使用MKL。如果使用MKL并且机器含有AVX2指令集,还会下载MKL-DNN数学库,详细参考这里

如果关闭MKL,则会使用OpenBLAS作为BLAS库。

CUDA/cuDNN

PaddlePaddle在编译时/运行时会自动找到系统中安装的CUDA和cuDNN库进行编译和执行。 使用参数 -DCUDA_ARCH_NAME=Auto 可以指定开启自动检测SM架构,加速编译。

PaddlePaddle可以使用cuDNN v5.1之后的任何一个版本来编译运行,但尽量请保持编译和运行使用的cuDNN是同一个版本。 我们推荐使用最新版本的cuDNN。

编译选项的设置

PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。cmake编译时,首先在系统路径( /usr/lib/usr/local/lib )中搜索这几个库,同时也会读取相关路径变量来进行搜索。 通过使用-D命令可以设置,例如:

cmake .. -DWITH_GPU=ON -DWITH_TESTING=OFF -DCUDNN_ROOT=/opt/cudnnv5

注意:这几个编译选项的设置,只在第一次cmake的时候有效。如果之后想要重新设置,推荐清理整个编译目录( rm -rf )后,再指定。



安装包列表

版本号 版本说明
paddlepaddle==[版本号] 例如 paddlepaddle==2.1.1 只支持CPU对应版本的PaddlePaddle,具体版本请参见Pypi
paddlepaddle-gpu==[版本号] 例如 paddlepaddle-gpu==2.1.1 默认安装支持CUDA 10.2和cuDNN 7的对应[版本号]的PaddlePaddle安装包

您可以在 Release History 中找到PaddlePaddle-gpu的各个发行版本。

其中postXX 对应的是CUDA和cuDNN的版本,postXX之前的数字代表Paddle的版本

需要注意的是,命令中 paddlepaddle-gpu==2.1.1 在windows环境下,会默认安装支持CUDA 10.2和cuDNN 7的对应[版本号]的PaddlePaddle安装包



多版本whl包列表-Release

版本说明 cp36-cp36m cp37-cp37m cp38-cp38 cp39-cp39
cpu-mkl-avx paddlepaddle-2.1.1-cp36-cp36m-linux_x86_64.whl paddlepaddle-2.1.1-cp37-cp37m-linux_x86_64.whl paddlepaddle-2.1.1-cp38-cp38-linux_x86_64.whl paddlepaddle-2.1.1-cp39-cp39-linux_x86_64.whl
cpu-openblas-avx - - paddlepaddle-2.1.1-cp38-cp38-linux_x86_64.whl -
cpu-mkl-noavx - - paddlepaddle-2.1.1-cp38-cp38-linux_x86_64.whl -
cpu-openblas-noavx - - paddlepaddle-2.1.1-cp38-cp38-linux_x86_64.whl -
cuda10.1-cudnn7-mkl-gcc5.4-avx paddlepaddle_gpu-2.1.1.post101-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp37-cp37m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp38-cp38-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp39-cp39-linux_x86_64.whl
cuda10.1-cudnn7-mkl-gcc5.4-noavx - - paddlepaddle_gpu-2.1.1.post101-cp38-cp38-linux_x86_64.whl -
cuda10.1-cudnn7.6-trt6.0.1.5 paddlepaddle_gpu-2.1.1.post101-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp37-cp37m-linux_x86_64.whl - -
cuda10.1-cudnn7-mkl-gcc8.2-avx-trt6.0.1.5 paddlepaddle_gpu-2.1.1.post101-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp37-cp37m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp38-cp38-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post101-cp39-cp39-linux_x86_64.whl
cuda10.2-cudnn7-mkl-gcc8.2-avx paddlepaddle_gpu-2.1.1-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1-cp37-cp37m-linux_x86_64.whl paddlepaddle_gpu-2.1.1-cp38-cp38-linux_x86_64.whl paddlepaddle_gpu-2.1.1-cp39-cp39-linux_x86_64.whl
cuda10.2-cudnn7-mkl-gcc8.2-noavx - - paddlepaddle_gpu-2.1.1-cp38-cp38-linux_x86_64.whl -
cuda10.2-cudnn8-mkl-gcc8.2-trt7.1.3.4 paddlepaddle_gpu-2.1.1-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1-cp37-cp37m-linux_x86_64.whl - -
jetpack4.4-cuda10.2-cudnn8-trt7.1.3 paddlepaddle_gpu-2.1.1-cp36-cp36m-linux_aarch64.whl - paddlepaddle_gpu-2.1.1-cp38-cp38-linux_aarch64.whl -
cuda11.0-cudnn8-mkl-gcc8.2-avx-trt7.1.3 paddlepaddle_gpu-2.1.1.post110-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post110-cp37-cp37m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post110-cp38-cp38-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post110-cp39-cp39-linux_x86_64.whl
cuda11.2-cudnn8-mkl-gcc8.2-avx paddlepaddle_gpu-2.1.1.post112-cp36-cp36m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post112-cp37-cp37m-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post112-cp38-cp38-linux_x86_64.whl paddlepaddle_gpu-2.1.1.post112-cp39-cp39-linux_x86_64.whl
rocm4.0.1-miopen2.11-mkl - paddlepaddle_rocm-2.1.1.rocm401.miopen211-cp37-cp37m-linux_x86_64.whl - -

表格说明

  • 纵轴

cpu-mkl: 支持CPU训练和预测,使用Intel mkl数学库

cuda10_cudnn7-mkl: 支持GPU训练和预测,使用Intel mkl数学库

  • 横轴

一般是类似于“cp37-cp37m”的形式,其中:

37:python tag,指python3.7,类似的还有“36”、“38”、“39”等

mu:指unicode版本python,若为m则指非unicode版本python

  • 安装包命名规则

每个安装包都有一个专属的名字,它们是按照Python的官方规则 来命名的,形式如下:

{distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl

其中build tag可以缺少,其他部分不能缺少

distribution: wheel名称version: 版本,例如0.14.0 (要求必须是数字格式)

python tag: 类似’py36’, ‘py37’, ‘py38’, ‘py39’,用于标明对应的python版本

abi tag: 类似’cp33m’, ‘abi3’, ‘none’

platform tag: 类似 ‘linux_x86_64’, ‘any’



在Docker中执行PaddlePaddle训练程序

假设您已经在当前目录(比如在/home/work)编写了一个PaddlePaddle的程序: train.py (可以参考 PaddlePaddleBook 编写),就可以使用下面的命令开始执行训练:

cd /home/work
docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle /work/train.py

上述命令中,-it 参数说明容器已交互式运行;-v $PWD:/work 指定将当前路径(Linux中PWD变量会展开为当前路径的绝对路径)挂载到容器内部的:/work 目录: registry.baidubce.com/paddlepaddle/paddle 指定需要使用的容器; 最后/work/train.py为容器内执行的命令,即运行训练程序。

当然,您也可以进入到Docker容器中,以交互式的方式执行或调试您的代码:

docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle /bin/bash
cd /work
python train.py

注:PaddlePaddle Docker镜像为了减小体积,默认没有安装vim,您可以在容器中执行 apt-get install -y vim 安装后,在容器中编辑代码。



使用Docker启动PaddlePaddle Book教程

使用Docker可以快速在本地启动一个包含了PaddlePaddle官方Book教程的Jupyter Notebook,可以通过网页浏览。 PaddlePaddle Book是为用户和开发者制作的一个交互式的Jupyter Notebook。 如果您想要更深入了解deep learning,可以参考PaddlePaddle Book。 大家可以通过它阅读教程,或者制作和分享带有代码、公式、图表、文字的交互式文档。

我们提供可以直接运行PaddlePaddle Book的Docker镜像,直接运行:

docker run -p 8888:8888 registry.baidubce.com/paddlepaddle/book

国内用户可以使用下面的镜像源来加速访问:

docker run -p 8888:8888 registry.baidubce.com/paddlepaddle/book

然后在浏览器中输入以下网址:

http://localhost:8888/



使用Docker执行GPU训练

为了保证GPU驱动能够在镜像里面正常运行,我们推荐使用 nvidia-docker来运行镜像。 请不要忘记提前在物理机上安装GPU最新驱动。

nvidia-docker run -it -v $PWD:/work registry.baidubce.com/paddlepaddle/paddle:latest-gpu /bin/bash

注: 如果没有安装nvidia-docker,可以尝试以下的方法,将CUDA库和Linux设备挂载到Docker容器内:

export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') \
$(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')"
export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}')
docker run ${CUDA_SO} \
${DEVICES} -it registry.baidubce.com/paddlepaddle/paddle:latest-gpu