示例 - Model¶

模型运行说明¶

在 GPU 平台上默认使用 Kernel Primitive API 编写的算子。
在昆仑芯 2 代（XPU2）平台上使用 Kernel Primitive API 编写的算子需要开启 FLAGS_run_kp_kernel 环境变量。

XPU Kernel Primitive API Paddle 模型运行¶

以 resnet50 为例展示昆仑芯 2 代（XPU2）平台 KP 模型运行的基本流程。

1. 安装 PaddlePaddle XPU2 KP 安装包，当前仅支持 python3.7

           pip install https://paddle-wheel.bj.bcebos.com/2.3.0/xpu2/kp/paddlepaddle_xpu-2.3.0-cp37-cp37m-linux_x86_64.whl

          

1. 下载模型库并安装

           git clone -b develop https://github.com/PaddlePaddle/PaddleClas.git
cd PaddleClas
python -m pip install -r requirements.txt

          

1. 下载数据集

           cd dataset
rm -rf ILSVRC2012
wget -nc https://paddle-imagenet-models-name.bj.bcebos.com/data/whole_chain/whole_chain_CIFAR100.tar
tar xf whole_chain_CIFAR100.tar
ln -s whole_chain_CIFAR100 ILSVRC2012
cd ILSVRC2012
mv train.txt train_list.txt
mv test.txt val_list.txt

          

1. 模型运行

           cd ../..
export FLAGS_selected_xpus=0
export FLAGS_run_kp_kernel=1
export XPUSIM_DEVICE_MODEL=KUNLUN2
nohup python tools/train.py \
-c ppcls/configs/ImageNet/ResNet/ResNet50.yaml \
-o Global.device=xpu > ResNet50_xpu2.log &

          

1. 成功截图如下：

XPU2 Kernel Primitive API 模型列表¶

序号	模型名称	类别
1	resnet50	图像分类
2	deepfm	推荐网络
3	wide&deep	推荐网络
4	yolov3-darknet53	目标检测
5	ssd-resnet34	目标检测
6	orc-db	文本检测
7	bert-base	自然语言
8	transformer	自然语言
9	gpt-2	自然语言
10	unet	图像分割