文档简介：
环境准备
-
处理器：ZHAOXIN KaiSheng KH-37800D
-
操作系统：centos7
-
Python 版本 2.7.15+/3.5.1+/3.6/3.7/3.8 (64 bit)
-
pip 或 pip3 版本 9.0.1+ (64 bit)
兆芯为 x86 架构，编译方法与Linux 下从源码编译 cpu 版一致。
安装步骤
本文在 ZHAOXIN 处理器下安装 Paddle，接下来详细介绍各个步骤。
源码编译
-
Paddle 依赖 cmake 进行编译构建，需要 cmake 版本>=3.15，如果操作系统提供的源包括了合适版本的 cmake，直接安装即可，否则需要源码安装
wget https://github.com/Kitware/CMake/releases/download/v3.16.8/cmake-3.16.8.tar.gztar -xzf cmake-3.16.8.tar.gz && cd cmake-3.16.8./bootstrap && make && sudo make install
-
Paddle 内部使用 patchelf 来修改动态库的 rpath，如果操作系统提供的源包括了 patchelf，直接安装即可，否则需要源码安装，请参考patchelf 官方文档。
./bootstrap.sh
./configure
makemake check
sudo make install
-
将 Paddle 的源代码克隆到当下目录下的 Paddle 文件夹中，并进入 Paddle 目录
git clone https://github.com/PaddlePaddle/Paddle.gitcd Paddle
-
切换到develop分支下进行编译：
git checkout develop
-
根据requirments.txt安装 Python 依赖库。
pip install -r python/requirments.txt
-
请创建并进入一个叫 build 的目录下：
mkdir build && cd build
-
链接过程中打开文件数较多，可能超过系统默认限制导致编译出错，设置进程允许打开的最大文件数：
ulimit -n 4096
-
执行 cmake：
具体编译选项含义请参见编译选项表
For Python2:
cmake .. -DPY_VERSION=2 -DPYTHON_EXECUTABLE=`which python2` -DWITH_MKL=ON -
For Python3:
cmake .. -DPY_VERSION=3 -DPYTHON_EXECUTABLE=`which python3` -DWITH_MKL=ON -
-
DWITH_TESTING=OFF -DCMAKE_BUILD_TYPE=Release -DON_INFER=ON -DWITH_PYTHON=ON
-
DWITH_TESTING=OFF -DCMAKE_BUILD_TYPE=Release -DON_INFER=ON -DWITH_PYTHON=ON
-
编译。
make -j$(nproc)
-
编译成功后进入Paddle/build/python/dist目录下找到生成的.whl包。
-
在当前机器或目标机器安装编译好的.whl包：
python2 -m pip install -U（whl 包的名字）`或`python3 -m pip install -U（whl 包的名字）
恭喜，至此您已完成 PaddlePaddle 在 FT 环境下的编译安装。
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。
在 mobilenetv1 和 resnet50 模型上测试
wget -O profile.tar https://paddle-cetc15.bj.bcebos.com/profile.tar?authorization=bce
-auth-v1/4409a3f3dd76482ab77af112631f01e4/2020-10-09T10:11:53Z/-1/host/786789f344
5f498c6a1fd4d9cd3897ac7233700df0c6ae2fd78079eba89bf3fb
tar xf profile.tar && cd profile
python resnet.py --model_file ResNet50_inference/model --params_file ResNet50_inference/params
# 正确输出应为：[0.0002414 0.00022418 0.00053661 0.00028639 0.00072682 0.000213 #
0.00638718 0.00128127 0.00013535 0.0007676 ]
python mobilenetv1.py --model_file mobilenetv1/model --params_file mobilenetv1/params
# 正确输出应为：[0.00123949 0.00100392 0.00109539 0.00112206 0.00101901 0.00088412 #
0.00121536 0.00107679 0.00106071 0.00099605]
python ernie.py --model_dir ernieL3H128_model/ # 正确输出应为：[0.49879393 0.5012061 ]
