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