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

         