附录

    编译选项表

    选项 说明 默认值
    WITH_GPU 是否支持GPU ON
    WITH_DSO 是否运行时动态加载CUDA动态库，而非静态加载CUDA动态库 ON
    WITH_AVX 是否编译含有AVX指令集的PaddlePaddle二进制文件 ON
    WITH_PYTHON 是否内嵌PYTHON解释器 ON
    WITH_TESTING 是否开启单元测试 OFF
    WITH_MKL 是否使用MKL数学库，如果为否则是用OpenBLAS ON
    WITH_SYSTEM_BLAS 是否使用系统自带的BLAS OFF
    WITH_DISTRIBUTE 是否编译带有分布式的版本 OFF
    WITH_BRPC_RDMA 是否使用BRPC RDMA作为RPC协议 OFF
    ON_INFER 是否打开预测优化 OFF
    CUDA_ARCH_NAME 是否只针对当前CUDA架构编译 All:编译所有可支持的CUDA架构 可选：Auto 自动识别当前环境的架构编译
    TENSORRT_ROOT 指定TensorRT路径 Windows下默认值为'/'，Linux下默认值为 '/usr/'

    BLAS

    PaddlePaddle支持 MKL 和 两种BLAS库。默认使用MKL。如果使用MKL并且机器含有AVX2指令集，还会下载MKL-DNN数学库，详细参考这里 。

    如果关闭MKL，则会使用OpenBLAS作为BLAS库。

    CUDA/cuDNN

    PaddlePaddle在编译时/运行时会自动找到系统中安装的CUDA和cuDNN库进行编译和执行。 使用参数 -DCUDA_ARCH_NAME=Auto 可以指定开启自动检测SM架构，加速编译。

    PaddlePaddle可以使用cuDNN v5.1之后的任何一个版本来编译运行，但尽量请保持编译和运行使用的cuDNN是同一个版本。 我们推荐使用最新版本的cuDNN。

    编译选项的设置

    PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。cmake编译时，首先在系统路径（ /usr/lib 和 /usr/local/lib ）中搜索这几个库，同时也会读取相关路径变量来进行搜索。 通过使用-D命令可以设置，例如：

    注意：这几个编译选项的设置，只在第一次cmake的时候有效。如果之后想要重新设置，推荐清理整个编译目录（ rm -rf ）后，再指定。

    安装包列表

    您可以在 中找到PaddlePaddle-gpu的各个发行版本。

    其中postXX 对应的是CUDA和cuDNN的版本，postXX之前的数字代表Paddle的版本

    需要注意的是，命令中 paddlepaddle-gpu 在windows环境下，会默认安装支持CUDA 10.0和cuDNN 7的对应[版本号]的PaddlePaddle安装包

    版本说明 cp27-cp27mu cp27-cp27m cp35-cp35m cp36-cp36m cp37-cp37m
    cpu-mkl paddlepaddle-1.7.2-cp27-cp27m-linux_x86_64.whl paddlepaddle-1.7.2-cp36-cp36m-linux_x86_64.whl
    cpu-openblas paddlepaddle-1.7.2-cp27-cp27mu-linux_x86_64.whl paddlepaddle-1.7.2-cp35-cp35m-linux_x86_64.whl paddlepaddle-1.7.2-cp37-cp37m-linux_x86_64.whl
    cuda9-cudnn7-openblas paddlepaddle_gpu-1.7.2-cp27-cp27m-linux_x86_64.whl paddlepaddle_gpu-1.7.2-cp36-cp36m-linux_x86_64.whl
    cuda9-cudnn7-mkl paddlepaddle_gpu-1.7.2-cp27-cp27mu-linux_x86_64.whl paddlepaddle_gpu-1.7.2-cp35-cp35m-linux_x86_64.whl paddlepaddle_gpu-1.7.2-cp37-cp37m-linux_x86_64.whl
    cuda10_cudnn7-mkl paddlepaddle_gpu-1.7.2-cp27-cp27m-linux_x86_64.whl paddlepaddle_gpu-1.7.2-cp36-cp36m-linux_x86_64.whl
    win_cpu_mkl - paddlepaddle-1.7.2-cp27-cp27m-win_amd64.whl paddlepaddle-1.7.2-cp36-cp36m-win_amd64.whl
    win_cuda9_cudnn7_mkl - paddlepaddle_gpu-1.7.2-cp27-cp27m-win_amd64.whl paddlepaddle_gpu-1.7.2-cp36-cp36m-win_amd64.whl
    win_cuda10_cudnn7_mkl - paddlepaddle_gpu-1.7.2-cp27-cp27m-win_amd64.whl paddlepaddle_gpu-1.7.2-cp36-cp36m-win_amd64.whl
    win_cpu_openblas - paddlepaddle-1.7.2-cp27-cp27m-win_amd64.whl paddlepaddle-1.7.2-cp36-cp36m-win_amd64.whl
    win_cuda9_cudnn7_openblas - paddlepaddle_gpu-1.7.2-cp27-cp27m-win_amd64.whl paddlepaddle_gpu-1.7.2-cp36-cp36m-win_amd64.whl
    mac_cpu - paddlepaddle-1.7.2-cp27-cp27m-macosx_10_6_intel.whl paddlepaddle-1.7.2-cp36-cp36m-macosx_10_6_intel.whl
    • 纵轴

    cpu-mkl: 支持CPU训练和预测，使用Intel mkl数学库

    cuda9-cudnn7-openblas: 支持GPU训练和预测，使用openblas数学库

    cuda9_cudnn7-mkl: 支持GPU训练和预测，使用Intel mkl数学库

    cuda10_cudnn7-mkl: 支持GPU训练和预测，使用Intel mkl数学库

    • 横轴

    一般是类似于“cp27-cp27mu”的形式，其中：

    27:python tag,指python2.7，类似的还有“35”、“36”、“37”等

    mu:指unicode版本python，若为m则指非unicode版本python

    • 安装包命名规则

    每个安装包都有一个专属的名字，它们是按照Python的官方规则 来命名的，形式如下：

    {distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl

    其中build tag可以缺少，其他部分不能缺少

    distribution: wheel名称version: 版本，例如0.14.0 (要求必须是数字格式)

    python tag: 类似'py27', 'py2', 'py3'，用于标明对应的python版本

    abi tag: 类似'cp33m', 'abi3', 'none'

    platform tag: 类似 'linux_x86_64', 'any'

    多版本whl包列表-dev

    多版本whl包列表(gcc8.2)-develop

    版本说明 cp27-cp27mu cp27-cp27m cp35-cp35m cp36-cp36m cp37-cp37m
    cuda10.1-cudnn7-mkl paddlepaddle_gpu-0.0.0-cp27-cp27mu-linux_x86_64.whl paddlepaddle_gpu-0.0.0-cp35-cp35m-linux_x86_64.whl paddlepaddle_gpu-0.0.0-cp37-cp37m-linux_x86_64.whl

    在Docker中执行PaddlePaddle训练程序

    假设您已经在当前目录（比如在/home/work）编写了一个PaddlePaddle的程序: （可以参考 PaddlePaddleBook 编写），就可以使用下面的命令开始执行训练：

    上述命令中，-it 参数说明容器已交互式运行；-v $PWD:/work 指定将当前路径（Linux中PWD变量会展开为当前路径的绝对路径）挂载到容器内部的:/work 目录: hub.baidubce.com/paddlepaddle/paddle 指定需要使用的容器； 最后/work/train.py为容器内执行的命令，即运行训练程序。

    当然，您也可以进入到Docker容器中，以交互式的方式执行或调试您的代码：

    注：PaddlePaddle Docker镜像为了减小体积，默认没有安装vim，您可以在容器中执行 apt-get install -y vim 安装后，在容器中编辑代码。

    使用Docker启动PaddlePaddle Book教程

    使用Docker可以快速在本地启动一个包含了PaddlePaddle官方Book教程的Jupyter Notebook，可以通过网页浏览。 PaddlePaddle Book是为用户和开发者制作的一个交互式的Jupyter Notebook。 如果您想要更深入了解deep learning，可以参考PaddlePaddle Book。 大家可以通过它阅读教程，或者制作和分享带有代码、公式、图表、文字的交互式文档。

    我们提供可以直接运行PaddlePaddle Book的Docker镜像，直接运行：

    docker run -p 8888:8888 hub.baidubce.com/paddlepaddle/book

    国内用户可以使用下面的镜像源来加速访问：

    docker run -p 8888:8888 hub.baidubce.com/paddlepaddle/book

    然后在浏览器中输入以下网址：

    http://localhost:8888/

    就这么简单，享受您的旅程！如有其他问题请参见

    为了保证GPU驱动能够在镜像里面正常运行，我们推荐使用 nvidia-docker来运行镜像。 请不要忘记提前在物理机上安装GPU最新驱动。

    注: 如果没有安装nvidia-docker，可以尝试以下的方法，将CUDA库和Linux设备挂载到Docker容器内：