海光 DCU 安装说明¶
飞桨框架 DCU 版支持海光 DCU 的训练和推理，提供两种安装方式：
通过飞桨官网发布的 wheel 包安装
通过源代码编译安装得到 wheel 包
海光 DCU 系统要求¶
| 要求类型 | 要求内容 |
|---|---|
| 芯片型号 | 海光 Z100 系列芯片，包括 Z100、Z100L |
| 操作系统 | Linux 操作系统，包括 CentOS、KylinV10 |
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）。
# 拉取镜像
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle-dcu:dtk24.04.1-kylinv10-gcc82
# 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
选项说明及可调整参数¶
① --name paddle-dcu-dev¶
作用：指定容器名称。
可调整：
用户可改为其他名称，例如
paddle-dcu-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。
# 检查容器内是否正常识别海光 DCU 设备
rocm-smi
# 预期输出
============System Management Interface ============
====================================================
DCU Temp AvgPwr Fan Perf PwrCap VRAM% DCU%
0 30.0c 38.0W 0.0% auto 280.0W 0% 0%
1 30.0c 41.0W 0.0% auto 280.0W 0% 0%
2 29.0c 38.0W 0.0% auto 280.0W 0% 0%
3 29.0c 39.0W 0.0% auto 280.0W 0% 0%
====================================================
===================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。
# 下载并安装 wheel 包
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。
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。
# 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_MKL=ON \
-DWITH_ROCM=ON -DWITH_RCCL=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_dcu-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。
# 检查当前安装版本
python -c "import paddle; paddle.version.show()"
# 预期得到输出如下
commit: d37bd8bcf75cf51f6c1117526f3f67d04946ebb9
cuda: False
cudnn: False
nccl: 0
# 飞桨基础健康检查
python -c "import paddle; paddle.utils.run_check()"
# 预期得到输出如下
Running verify PaddlePaddle program ...
PaddlePaddle works well on 1 GPU.
PaddlePaddle works well on 8 GPUs.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.