飞桨框架 MLU 版训练示例¶
使用寒武纪 MLU370 进行训练与使用 Intel CPU/Nvidia GPU 训练相同,当前 Paddle MLU 版本完全兼容 Paddle CUDA 版本的 API,直接使用原有的 GPU 训练命令和参数即可。
ResNet50 训练示例¶
第一步:安装 MLU 支持的 Paddlepaddle
Paddle MLU 版的 Python 预测库请参考 飞桨框架 MLU 版安装说明 进行安装或编译。
第二步:下载 ResNet50 代码,并准备 ImageNet1k 数据集
cd path_to_clone_PaddleClas
git clone https://github.com/PaddlePaddle/PaddleClas.git
也可以访问 PaddleClas 的 GitHub Repo 直接下载源码。请根据数据说明文档准备 ImageNet1k 数据集。
第三步:运行训练
使用飞桨 PaddleXXX 套件运行 MLU 可以通过设置 Global.device 参数为 mlu 来指定设备,其他模型也可以参考该使用方式
export MLU_VISIBLE_DEVICES=0,1,2,3
cd PaddleClas/
python3.7 -m paddle.distributed.launch --mlus="0,1,2,3" tools/train.py \
-c ./ppcls/configs/ImageNet/ResNet/ResNet50.yaml \
-o Global.device=mlu