\u200E
  • 开始使用
  • 特性
  • 文档
    • API
    • 使用指南
  • 工具平台
    • 工具
      • AutoDL
      • PaddleHub
      • PARL
      • ERNIE
      • 全部
    • 平台
      • AI Studio
      • EasyDL
      • EasyEdge
  • 资源
    • 模型和数据集
    • 学习资料
    • 应用案例
  • develop
  • 3.0-beta
  • 2.6
  • 2.5
  • 2.4
  • 2.3
  • 2.2
  • 2.1
  • 2.0
  • 1.8
  • 中文(简)
  • English(En)
  • 安装指南
    • Pip 安装
      • Linux 下的 PIP 安装
      • MacOS 下的 PIP 安装
      • Windows 下的 PIP 安装
    • Conda 安装
      • Linux 下的 Conda 安装
      • MacOS 下的 Conda 安装
      • Windows 下的 Conda 安装
    • Docker 安装
      • Linux 下的 Docker 安装
      • MacOS 下的 Docker 安装
    • 从源码编译
      • Linux 下从源码编译
      • MacOS 下从源码编译
      • Windows 下从源码编译
      • 飞腾/鲲鹏下从源码编译
      • 申威下从源码编译
      • 兆芯下从源码编译
    • 昆仑 XPU 芯片安装及运行飞桨
    • 海光 DCU 芯片运行飞桨
    • NGC 飞桨容器安装指南
    • 附录
  • 使用指南
    • 模型开发入门
      • 10分钟快速上手飞桨
      • Tensor 介绍
      • 数据集定义与加载
      • 数据预处理
      • 模型组网
      • 模型训练、评估与推理
      • 模型保存与加载
    • 模型开发更多用法
      • 使用 VisualDL 可视化模型，数据和训练
      • 自动微分机制介绍
      • Paddle 中的模型与层
      • 自定义Loss、Metric 及 Callback
      • 梯度裁剪方式介绍
      • Paddle 模型导出 ONNX 协议
    • 动态图转静态图
      • 使用样例
      • 转换原理
      • 支持语法
      • 案例解析
      • 报错调试
    • 推理部署
      • 服务器部署 — Paddle Inference
      • 移动端/嵌入式部署 — Paddle Lite
      • 模型压缩 — PaddleSlim
    • 分布式训练
      • Paddle 分布式整体介绍
      • 环境部署
      • 快速开始-数据并行
      • 快速开始-参数服务器
      • 数据并行
        • 原理和实践案例
        • 前向重计算
        • 自动混合精度
        • Gradient Merge
      • 张量模型并行
      • 流水线并行
      • 分组切分并行
      • MoE
    • 性能调优
      • 自动混合精度训练（AMP）
      • 飞桨模型量化
      • 模型性能分析（Profiler）
    • 模型迁移
      • 升级指南
      • 版本迁移工具
      • 兼容载入旧格式模型
      • Paddle 1.8 与 Paddle 2.0 API 映射表
      • PyTorch 1.8 与 Paddle 2.0 API 映射表
    • 硬件支持
      • 飞桨产品硬件支持表
      • 昆仑芯片运行飞桨
        • 飞桨对昆仑芯 2 代芯片的支持
        • 飞桨框架昆仑 2 代芯片安装说明
        • 飞桨框架昆仑 2 代芯片训练示例
        • 飞桨对昆仑 XPU 芯片的支持
        • 飞桨框架昆仑 XPU 版安装说明
        • 飞桨框架昆仑 XPU 版训练示例
        • 飞桨预测库昆仑 XPU 版安装及使用示例
      • 海光 DCU 芯片运行飞桨
        • 飞桨框架 ROCm 版支持模型
        • 飞桨框架 ROCm 版安装说明
        • 飞桨框架 ROCm 版训练示例
        • 飞桨框架 ROCm 版预测示例
      • 昇腾 NPU 芯片运行飞桨
        • 飞桨框架昇腾 NPU 版安装说明
        • 飞桨框架昇腾 NPU 版训练示例
      • Graphcore IPU 芯片运行飞桨
        • 飞桨框架 IPU 版安装说明
        • 飞桨框架 IPU 版训练示例
        • 飞桨框架 IPU 版预测示例
      • 寒武纪 MLU 芯片运行飞桨
        • 飞桨框架寒武纪 MLU 版安装说明
        • 飞桨框架 MLU 版训练示例
        • 飞桨框架寒武纪 MLU 版支持模型
    • 自定义算子
      • 自定义 C++算子
      • 自定义 Python 算子
    • 环境变量 FLAGS
      • cudnn
      • 数值计算
      • 调试
        • check nan inf 工具
      • 设备管理
      • 分布式
      • 执行器
      • 存储管理
      • 昇腾 NPU
      • 其他
  • 应用实践
    • 快速上手
      • hello paddle: 从普通程序走向机器学习程序
      • 动态图
      • 飞桨高层API使用指南
      • 模型保存及加载
      • 使用线性回归预测波士顿房价
    • 计算机视觉
      • 使用LeNet在MNIST数据集实现图像分类
      • 使用卷积神经网络进行图像分类
      • 基于图片相似度的图片搜索
      • 基于U-Net卷积神经网络实现宠物图像分割
      • 通过OCR实现验证码识别
      • 通过Sub-Pixel实现图像超分辨率
      • 人脸关键点检测
      • 点云处理：实现PointNet点云分类
    • 自然语言处理
      • 用N-Gram模型在莎士比亚文集中训练word embedding
      • IMDB 数据集使用BOW网络的文本分类
      • 使用预训练的词向量完成文本分类任务
      • 使用注意力机制的LSTM的机器翻译
      • 使用序列到序列模型完成数字加法
    • 推荐
      • 使用协同过滤实现电影推荐
    • 强化学习
      • 强化学习——Actor Critic Method
      • 强化学习——Deep Deterministic Policy Gradient (DDPG)
    • 时序数据
      • 通过AutoEncoder实现时序数据异常检测
    • 动转静
      • 使用动转静完成以图搜图
  • API 文档
  • 贡献指南
    • 概述
    • 代码贡献流程
    • 新增 API 开发&提交流程
      • 贡献前阅读
      • 开发 API Python 端
      • 开发 C++ 算子
      • API 设计和命名规范
      • API 文档书写规范
      • API 单测开发及验收规范
    • 算子性能优化 提交流程
      • 算子性能优化 方法介绍
      • 算子性能优化 验收规范
      • Kernel Primitive API
        • API 介绍
          • API 介绍 - IO
          • API 介绍 - Compute
          • API 介绍 - OpFunc
        • API 示例
          • 示例 - ElementwiseAdd
          • 示例 - Reduce
          • 示例 - Model
    • 算子数据类型扩展 提交流程
      • 算子数据类型扩展 验收规范
    • 曙光开发指南
      • 曙光智算平台-Paddle 源码编译和单测执行
      • Paddle 适配 C86 加速卡详解
      • Paddle 框架下 ROCm(HIP)算子单测修复指导
    • 自定义新硬件接入指南
      • 自定义 Runtime
        • 数据类型
        • Device 接口
        • Memory 接口
        • Stream 接口
        • Event 接口
        • 集合通讯接口
        • Profiler 接口
      • 自定义 Kernel
        • Kernel 函数声明
        • Kernel 实现接口
          • Context API
          • Tensor API
          • Exception API
        • Kernel 注册接口
      • 新硬件接入示例
    • 文档贡献指南
    • 规范和参考信息
      • 代码规范
      • 报错信息文案书写规范
      • 代码风格检查指南
      • Paddle CI 测试详解
  • 常见问题与解答
    • 2.0 升级常见问题
    • 安装常见问题
    • 数据及其加载常见问题
    • 组网、训练、评估常见问题
    • 模型保存常见问题
    • 参数调整常见问题
    • 分布式训练常见问题
    • 其他常见问题
  • 2.4.1 Release Note
  • 从源码编译
  • »
  • 安装指南 »
  • 从源码编译
  • 在 GitHub 上修改

从源码编译¶

  • Linux 下从源码编译
  • MacOS 下从源码编译
  • Windows 下从源码编译
  • 飞腾/鲲鹏下从源码编译
  • 申威下从源码编译
  • 兆芯下从源码编译