示例 - Model

模型运行说明

  • 在 GPU 平台上默认使用 Kernel Primitive API 编写的算子。

  • 在昆仑芯 2 代(XPU2)平台上使用 Kernel Primitive API 编写的算子需要开启 FLAGS_run_kp_kernel 环境变量。

XPU Kernel Primitive API Paddle 模型运行

以 resnet50 为例展示昆仑芯 2 代(XPU2)平台 KP 模型运行的基本流程。

    1. 安装 PaddlePaddle XPU2 KP 安装包,当前仅支持 python3.7

pip install https://paddle-wheel.bj.bcebos.com/2.3.0/xpu2/kp/paddlepaddle_xpu-2.3.0-cp37-cp37m-linux_x86_64.whl
    1. 下载模型库并安装

git clone -b develop https://github.com/PaddlePaddle/PaddleClas.git
cd PaddleClas
python -m pip install -r requirements.txt
    1. 下载数据集

cd dataset
rm -rf ILSVRC2012
wget -nc https://paddle-imagenet-models-name.bj.bcebos.com/data/whole_chain/whole_chain_CIFAR100.tar
tar xf whole_chain_CIFAR100.tar
ln -s whole_chain_CIFAR100 ILSVRC2012
cd ILSVRC2012
mv train.txt train_list.txt
mv test.txt val_list.txt
    1. 模型运行

cd ../..
export FLAGS_selected_xpus=0
export FLAGS_run_kp_kernel=1
export XPUSIM_DEVICE_MODEL=KUNLUN2
nohup python tools/train.py \
-c ppcls/configs/ImageNet/ResNet/ResNet50.yaml \
-o Global.device=xpu > ResNet50_xpu2.log &
    1. 成功截图如下:
      Model

XPU2 Kernel Primitive API 模型列表

序号 模型名称 类别
1 resnet50 图像分类
2 deepfm 推荐网络
3 wide&deep 推荐网络
4 yolov3-darknet53 目标检测
5 ssd-resnet34 目标检测
6 orc-db 文本检测
7 bert-base 自然语言
8 transformer 自然语言
9 gpt-2 自然语言
10 unet 图像分割