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。
-
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
-
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
-
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
-
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 &
-
成功截图如下:
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 |