Linux 下从源码编译¶

环境准备¶

Linux 版本 (64 bit)
- CentOS 6 (不推荐，不提供编译出现问题时的官方支持)
- CentOS 7 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6/11.7)
- Ubuntu 14.04 (不推荐，不提供编译出现问题时的官方支持)
- Ubuntu 16.04 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6/11.7)
- Ubuntu 18.04 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6/11.7)
Python 版本 3.6/3.7/3.8/3.9/3.10 (64 bit)

选择 CPU/GPU¶

如果您的计算机没有 NVIDIA® GPU，请安装 CPU 版本的 PaddlePaddle
如果您的计算机有 NVIDIA® GPU，请确保满足以下条件以编译 GPU 版 PaddlePaddle
- CUDA 工具包 10.1 配合 cuDNN 7 (cuDNN 版本>=7.6.5, 如需多卡支持，需配合 NCCL2.7 及更高；不支持使用 TensorRT)
- CUDA 工具包 10.2 配合 cuDNN 7 (cuDNN 版本>=7.6.5, 如需多卡支持，需配合 NCCL2.7 及更高；如需使用 PaddleTensorRT 推理，需配合 TensorRT7.0.0.11)
- CUDA 工具包 11.1 配合 cuDNN v8.1.1(如需多卡支持，需配合 NCCL2.7 及更高；如需使用 PaddleTensorRT 推理，需配合 TensorRT7.2.3.4)
- CUDA 工具包 11.2 配合 cuDNN v8.1.1(如需多卡支持，需配合 NCCL2.7 及更高；如需使用 PaddleTensorRT 推理，需配合 TensorRT8.0.3.4)
- CUDA 工具包 11.6 配合 cuDNN v8.4.0(如需多卡支持，需配合 NCCL2.7 及更高；如需使用 PaddleTensorRT 推理，需配合 TensorRT8.4.0.6)
- CUDA 工具包 11.7 配合 cuDNN v8.4.1(如需多卡支持，需配合 NCCL2.7 及更高；如需使用 PaddleTensorRT 推理，需配合 TensorRT8.4.2.4)
- GPU 运算能力超过 3.5 的硬件设备
  
  您可参考 NVIDIA 官方文档了解 CUDA、CUDNN 和 TensorRT 的安装流程和配置方法，请见CUDA，cuDNN，TensorRT

安装步骤¶

在 Linux 的系统下有 2 种编译方式，推荐使用 Docker 编译。 Docker 环境中已预装好编译 Paddle 需要的各种依赖，相较本机编译环境更简单。

使用 Docker 编译（不提供在 CentOS 6 下编译中遇到问题的支持）
本机编译（不提供在 CentOS 6 下编译中遇到问题的支持）

使用 Docker 编译¶

Docker是一个开源的应用容器引擎。使用 Docker，既可以将 PaddlePaddle 的安装&使用与系统环境隔离，也可以与主机共享 GPU、网络等资源

使用 Docker 编译 PaddlePaddle，您需要：

在本地主机上安装 Docker
如需在 Linux 开启 GPU 支持，请安装 nvidia-docker

请您按照以下步骤安装：

1. 请首先选择您希望储存 PaddlePaddle 的路径，然后在该路径下使用以下命令将 PaddlePaddle 的源码从 github 克隆到本地当前目录下名为 Paddle 的文件夹中：¶

            git clone https://github.com/PaddlePaddle/Paddle.git

           

2. 进入 Paddle 目录下：¶

cd Paddle

3. 拉取 PaddlePaddle 镜像¶

对于国内用户，因为网络问题下载 docker 比较慢时，可使用百度提供的镜像：

CPU 版的 PaddlePaddle：

              docker pull registry.baidubce.com/paddlepaddle/paddle:latest-dev

             

GPU 版的 PaddlePaddle：

              nvidia-docker pull registry.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda10.2-cudnn7-dev

             

如果您的机器不在中国大陆地区，可以直接从 DockerHub 拉取镜像：

CPU 版的 PaddlePaddle：

              docker pull paddlepaddle/paddle:latest-dev

             

GPU 版的 PaddlePaddle：

              nvidia-docker pull paddlepaddle/paddle:latest-gpu-cuda10.2-cudnn7-dev

             

上例中，latest-gpu-cuda10.2-cudnn7-dev 仅作示意用，表示安装 GPU 版的镜像。如果您还想安装其他 cuda/cudnn 版本的镜像，可以将其替换成latest-dev-cuda11.2-cudnn8-gcc82、latest-gpu-cuda10.1-cudnn7-gcc82-dev、latest-gpu-cuda10.1-cudnn7-gcc54-dev等。您可以访问DockerHub获取与您机器适配的镜像。

4. 创建并进入已配置好编译环境的 Docker 容器：¶

编译 CPU 版本的 PaddlePaddle：
```
docker run --name paddle-test -v $PWD:/paddle --network=host -it registry.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash
```
- --name paddle-test：为您创建的 Docker 容器命名为 paddle-test;
- -v $PWD:/paddle：将当前目录挂载到 Docker 容器中的/paddle 目录下（Linux 中 PWD 变量会展开为当前路径的绝对路径);
- -it：与宿主机保持交互状态;
- registry.baidubce.com/paddlepaddle/paddle:latest-dev：使用名为registry.baidubce.com/paddlepaddle/paddle:latest-dev的镜像创建 Docker 容器，/bin/bash 进入容器后启动/bin/bash 命令。
编译 GPU 版本的 PaddlePaddle：
```
nvidia-docker run --name paddle-test -v $PWD:/paddle --network=host -it registry.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda10.2-cudnn7-dev /bin/bash
```
- --name paddle-test：为您创建的 Docker 容器命名为 paddle-test;
- -v $PWD:/paddle：将当前目录挂载到 Docker 容器中的/paddle 目录下（Linux 中 PWD 变量会展开为当前路径的绝对路径);
- -it：与宿主机保持交互状态;
- registry.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda10.2-cudnn7-dev：使用名为registry.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda10.2-cudnn7-dev的镜像创建 Docker 容器，/bin/bash 进入容器后启动/bin/bash 命令。

注意：请确保至少为 docker 分配 4g 以上的内存，否则编译过程可能因内存不足导致失败。

5. 进入 Docker 后进入 paddle 目录下：¶

            cd /paddle

           

6. 切换到较稳定版本下进行编译：¶

            git checkout [分支名]

           

例如：

            git checkout release/2.4

           

注意：python3.6、python3.7 版本从 release/1.2 分支开始支持, python3.8 版本从 release/1.8 分支开始支持, python3.9 版本从 release/2.1 分支开始支持, python3.10 版本从 release/2.3 分支开始支持

7. 创建并进入/paddle/build 路径下：¶

            mkdir -p /paddle/build && cd /paddle/build

           

8. 使用以下命令安装相关依赖：¶

安装 protobuf。

            pip3.7 install protobuf

           

注意：以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9/pip3.10

安装 patchelf，PatchELF 是一个小而实用的程序，用于修改 ELF 可执行文件的动态链接器和 RPATH。

            apt install patchelf

           

9. 执行 cmake：¶

对于需要编译CPU 版本 PaddlePaddle的用户：
```
cmake .. -DPY_VERSION=3.7 -DWITH_GPU=OFF
```
对于需要编译GPU 版本 PaddlePaddle的用户：
```
cmake .. -DPY_VERSION=3.7 -DWITH_GPU=ON
```

具体编译选项含义请参见编译选项表
请注意修改参数-DPY_VERSION为您希望编译使用的 python 版本, 例如-DPY_VERSION=3.7表示 python 版本为 3.7
我们目前不支持 CentOS 6 下使用 Docker 编译 GPU 版本的 PaddlePaddle

10. 执行编译：¶

使用多核编译

make -j$(nproc)

注意：编译过程中需要从 github 上下载依赖，请确保您的编译环境能正常从 github 下载代码。

11. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包：¶

            cd /paddle/build/python/dist

           

12. 在当前机器或目标机器安装编译好的`.whl`包：¶

For Python3:

            pip3.7 install -U [whl 包的名字]

           

注意：以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9/pip3.10。

恭喜，至此您已完成 PaddlePaddle 的编译安装。您只需要进入 Docker 容器后运行 PaddlePaddle，即可开始使用。更多 Docker 使用请参见Docker 官方文档 ¶

本机编译¶

1. 检查您的计算机和操作系统是否符合我们支持的编译标准：¶

            uname -m && cat /etc/*release

           

2. 更新系统源¶

Centos 环境

更新yum的源：
```
yum update
```
并添加必要的 yum 源：
```
yum install -y epel-release
```
Ubuntu 环境

更新apt的源：
```
apt update
```

3. 安装 NCCL（可选）¶

如果您需要使用 GPU 多卡，请确保您已经正确安装 nccl2，或者按照以下指令安装 nccl2（这里提供的是 CUDA10.2，cuDNN7 下 nccl2 的安装指令，更多版本的安装信息请参考 NVIDIA官方网站）:

Centos 系统可以参考以下命令

                wget http://developer.download.nvidia.com/compute/machine-learning/repos/rhel7/x86_64/nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

               

                rpm -i nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

               

                yum update -y

               

                yum install -y libnccl-2.7.8-1+cuda10.2 libnccl-devel-2.7.8-1+cuda10.2 libnccl-static-2.7.8-1+cuda10.2

               

Ubuntu 系统可以参考以下命令

                wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

               

                dpkg -i nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

               

                sudo apt install -y libnccl2=2.7.8-1+cuda10.2 libnccl-dev=2.7.8-1+cuda10.2

               

4. 安装必要的工具¶

Centos 环境

bzip2以及make：

              yum install -y bzip2

             

              yum install -y make

             

cmake 需要 3.15 以上，建议使用 3.16.0:

              wget -q https://cmake.org/files/v3.16/cmake-3.16.0-Linux-x86_64.tar.gz

             

              tar -zxvf cmake-3.16.0-Linux-x86_64.tar.gz

             

              rm cmake-3.16.0-Linux-x86_64.tar.gz

             

PATH=/home/cmake-3.16.0-Linux-x86_64/bin:$PATH

gcc 需要 5.4 以上，建议使用 8.2.0:

              wget -q https://paddle-docker-tar.bj.bcebos.com/home/users/tianshuo/bce-python-sdk-0.8.27/gcc-8.2.0.tar.xz && \
tar -xvf gcc-8.2.0.tar.xz && \
cd gcc-8.2.0 && \
sed -i 's#ftp://gcc.gnu.org/pub/gcc/infrastructure/#https://paddle-ci.gz.bcebos.com/#g' ./contrib/download_prerequisites && \
unset LIBRARY_PATH CPATH C_INCLUDE_PATH PKG_CONFIG_PATH CPLUS_INCLUDE_PATH INCLUDE && \
./contrib/download_prerequisites && \
cd .. && mkdir temp_gcc82 && cd temp_gcc82 && \
../gcc-8.2.0/configure --prefix=/usr/local/gcc-8.2 --enable-threads=posix --disable-checking --disable-multilib && \
make -j8 && make install

             

Ubuntu 环境

bzip2以及make：

              apt install -y bzip2

             

              apt install -y make

             

cmake 需要 3.15 以上，建议使用 3.16.0:

              wget -q https://cmake.org/files/v3.16/cmake-3.16.0-Linux-x86_64.tar.gz

             

              tar -zxvf cmake-3.16.0-Linux-x86_64.tar.gz

             

              rm cmake-3.16.0-Linux-x86_64.tar.gz

             

PATH=/home/cmake-3.16.0-Linux-x86_64/bin:$PATH

gcc 需要 5.4 以上，建议使用 8.2.0:

              wget -q https://paddle-docker-tar.bj.bcebos.com/home/users/tianshuo/bce-python-sdk-0.8.27/gcc-8.2.0.tar.xz && \
tar -xvf gcc-8.2.0.tar.xz && \
cd gcc-8.2.0 && \
sed -i 's#ftp://gcc.gnu.org/pub/gcc/infrastructure/#https://paddle-ci.gz.bcebos.com/#g' ./contrib/download_prerequisites && \
unset LIBRARY_PATH CPATH C_INCLUDE_PATH PKG_CONFIG_PATH CPLUS_INCLUDE_PATH INCLUDE && \
./contrib/download_prerequisites && \
cd .. && mkdir temp_gcc82 && cd temp_gcc82 && \
../gcc-8.2.0/configure --prefix=/usr/local/gcc-8.2 --enable-threads=posix --disable-checking --disable-multilib && \
make -j8 && make install

             

5. 我们支持使用 virtualenv 进行编译安装，首先请使用以下命令创建一个名为`paddle-venv`的虚环境：¶

a. 安装 Python-dev:

(请参照 Python 官方流程安装）
b. 安装 pip:

(请参照 Python 官方流程安装, 并保证拥有 20.2.2 及以上的 pip3 版本，请注意，python3.6 及以上版本环境下，pip3 并不一定对应 python 版本，如 python3.7 下默认只有 pip3.7）
c.（Only For Python3）设置 Python3 相关的环境变量，这里以 python3.7 版本示例，请替换成您使用的版本（3.6、3.8、3.9、3.10）：
1. 首先使用
```
find `dirname $(dirname $(which python3))` -name "libpython3.so"
```
  找到 Python lib 的路径，如果是 3.6、3.7、3.8、3.9、3.10，请将python3改成python3.6、python3.7、python3.8、python3.9、python3.10，然后将下面[python-lib-path]替换为找到文件路径
2. 设置 PYTHON_LIBRARIES：
```
export PYTHON_LIBRARY=[python-lib-path]
```
3. 其次使用
```
find `dirname $(dirname $(which python3))`/include -name "python3.7m"
```
  找到 Python Include 的路径，请注意 python 版本，然后将下面[python-include-path]替换为找到文件路径
4. 设置 PYTHON_INCLUDE_DIR:
```
export PYTHON_INCLUDE_DIRS=[python-include-path]
```
5. 设置系统环境变量路径：
```
export PATH=[python-lib-path]:$PATH
```
  （这里将[python-lib-path]的最后两级目录替换为/bin/)
d. 安装虚环境virtualenv以及virtualenvwrapper并创建名为paddle-venv的虚环境：(请注意对应 python 版本的 pip3 的命令，如 pip3.6、pip3.7、pip3.8、pip3.9、pip3.10)
1. 安装virtualenv
```
pip install virtualenv
```
  或
```
pip3 install virtualenv
```
2. 安装virtualenvwrapper
```
pip install virtualenvwrapper
```
  或
```
pip3 install virtualenvwrapper
```
3. 找到virtualenvwrapper.sh：
```
find / -name virtualenvwrapper.sh
```
  （请找到对应 Python 版本的virtualenvwrapper.sh）
4. 查看virtualenvwrapper.sh中的安装方法：
```
cat vitualenvwrapper.sh
```
  该 shell 文件中描述了步骤及命令
5. 按照virtualenvwrapper.sh中的描述，安装virtualwrapper
6. 设置 VIRTUALENVWRAPPER_PYTHON：
```
export VIRTUALENVWRAPPER_PYTHON=[python-lib-path]:$PATH
```
  （这里将[python-lib-path]的最后两级目录替换为/bin/)
7. 创建名为paddle-venv的虚环境：
```
mkvirtualenv paddle-venv
```

6. 进入虚环境：¶

            workon paddle-venv

           

7. 执行编译前请您确认在虚环境中安装有编译依赖表中提到的相关依赖：¶

这里特别提供patchELF的安装方法，其他的依赖可以使用yum install或者pip install/pip3 install 后跟依赖名称和版本安装:
```
yum install patchelf
```
不能使用 yum 安装的用户请参见 patchElF github官方文档

8. 将 PaddlePaddle 的源码 clone 在当下目录下的 Paddle 的文件夹中，并进入 Padde 目录下：¶

            git clone https://github.com/PaddlePaddle/Paddle.git

           

cd Paddle

9. 切换到较稳定 release 分支下进行编译：¶

            git checkout [分支名]

           

例如：

            git checkout release/2.4

           

10. 并且请创建并进入一个叫 build 的目录下：¶

            mkdir build && cd build

           

11. 执行 cmake：¶

具体编译选项含义请参见编译选项表

对于需要编译CPU 版本 PaddlePaddle的用户：
```
cmake .. -DPY_VERSION=3.7 -DPYTHON_INCLUDE_DIR=${PYTHON_INCLUDE_DIRS} \
-DPYTHON_LIBRARY=${PYTHON_LIBRARY} -DWITH_GPU=OFF
```
如果遇到Could NOT find PROTOBUF (missing: PROTOBUF_LIBRARY PROTOBUF_INCLUDE_DIR)可以重新执行一次 cmake 指令。请注意 PY_VERSION 参数更换为您需要的 python 版本

对于需要编译GPU 版本 PaddlePaddle的用户：(仅支持 CentOS7（CUDA11.7/CUDA11.6/CUDA11.2/CUDA11.1/CUDA10.2/CUDA10.1))

请确保您已经正确安装 nccl2，或者按照以下指令安装 nccl2（这里提供的是 CUDA10.2，cuDNN7 下 nccl2 的安装指令，更多版本的安装信息请参考 NVIDIA官方网站）:

Centos 系统可以参考以下命令

                wget http://developer.download.nvidia.com/compute/machine-learning/repos/rhel7/x86_64/nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

               

                rpm -i nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

               

                yum install -y libnccl-2.7.8-1+cuda10.2 libnccl-devel-2.7.8-1+cuda10.2 libnccl-static-2.7.8-1+cuda10.2

               

Ubuntu 系统可以参考以下命令

                wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

               

                dpkg -i nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

               

                sudo apt install -y libnccl2=2.7.8-1+cuda10.2 libnccl-dev=2.7.8-1+cuda10.2

               

如果您已经正确安装了nccl2，就可以开始 cmake 了：(For Python3: 请给 PY_VERSION 参数配置正确的 python 版本)

                cmake .. -DPYTHON_EXECUTABLE:FILEPATH=[您可执行的 Python3 的路径] -DPYTHON_INCLUDE_DIR:PATH=[之前的 PYTHON_INCLUDE_DIRS] -DPYTHON_LIBRARY:FILEPATH=[之前的 PYTHON_LIBRARY] -DWITH_GPU=ON

               

注意：以上涉及 Python3 的命令，用 Python3.7 来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 Python3.7 改成 Python3.6/Python3.8/Python3.9/Python3.10

12. 使用以下命令来编译：¶

make -j$(nproc)

使用多核编译

如果编译过程中显示“Too many open files”错误时，请使用指令 ulimit -n 8192 来增大当前进程允许打开的文件数，一般来说 8192 可以保证编译完成。

13. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包：¶

            cd /paddle/build/python/dist

           

14. 在当前机器或目标机器安装编译好的`.whl`包：¶

pip install -U（whl 包的名字）

或

pip3 install -U（whl 包的名字）

恭喜，至此您已完成 PaddlePaddle 的编译安装¶

验证安装¶

安装完成后您可以使用 python 或 python3 进入 python 解释器，输入

import paddle

再输入

          paddle.utils.run_check()

         

如果出现PaddlePaddle is installed successfully!，说明您已成功安装。

如何卸载¶

请使用以下命令卸载 PaddlePaddle：

CPU 版本的 PaddlePaddle:

            pip uninstall paddlepaddle

           

或

            pip3 uninstall paddlepaddle

           

GPU 版本的 PaddlePaddle:

            pip uninstall paddlepaddle-gpu

           

或

            pip3 uninstall paddlepaddle-gpu

           

使用 Docker 安装 PaddlePaddle 的用户，请进入包含 PaddlePaddle 的容器中使用上述命令，注意使用对应版本的 pip