天数 GPGPU 安装说明
飞桨框架 Iluvatar 版支持在天数 GPGPU 上进行训练和推理，提供两种安装方式：
通过飞桨官网发布的 wheel 包安装
通过源代码编译得到 wheel 包安装
天数 GPGPU 系统要求
| 要求类型 | 要求内容 |
|---|---|
| 芯片型号 | 天数智芯 系列芯片，包括 BI150/BI150s |
| 操作系统 | Linux 操作系统，包括 CentOS、Ubuntu、KylinV10 等 |
运行环境准备
推荐使用天数官方发布的天数 IXUCA 开发镜像，该镜像预装有天数 IXUCA 基础运行环境库。
# 拉取镜像
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-ixuca:3.3.0
在 宿主机（host） 上请先按下述命令安装与当前硬件匹配的驱动，完成后再启动容器。
wget https://ai-rank.bj.bcebos.com/Iluvatar/corex-driver-linux64-4.3.8-x86_64.run
bash corex-driver-linux64-4.3.8-x86_64.run
重要：请确认 KMD 版本符合要求。 可在宿主机执行：
modinfo iluvatar | grep description
# 示例（以实际输出为准）：
# description: Iluvatar Big Island for PCI Express: a66854d130483853556e1a2c3d623cb78bcbab34
# 启动容器
docker run -itd --name paddle-ixuca-dev --network host -v /usr/src:/usr/src -v /lib/modules:/lib/modules -v /dev:/dev -v /usr/local/corex/bin/ixsmi:/usr/local/corex/bin/ixsmi -v /usr/local/corex/lib64/libcuda.so.1:/usr/local/corex/lib64/libcuda.so.1 -v /usr/local/corex/lib64/libixml.so:/usr/local/corex/lib64/libixml.so -v /usr/local/corex/lib64/libixthunk.so:/usr/local/corex/lib64/libixthunk.so --privileged --cap-add=ALL --pid=host ccr-2vdh3abv-pub.cnc.bj.baidubce.com/device/paddle-ixuca:3.3.0
docker exec -it paddle-ixuca-dev bash
⚠️ 注意： 若镜像内自带的 SDK 与宿主机 KMD 不兼容，可能导致 Paddle 无法识别 Iluvatar 设备。此时需将宿主机上与当前 corex 版本匹配的 ixsmi、libcuda.so.1、libixml.so、libixthunk.so 等按上例挂载进容器（路径以本机 corex 安装目录为准）。
选项说明及可调整参数
① --name paddle-ixuca-dev
作用：指定容器名称。
可调整：可改为其他名称（例如
paddle-ixuca-test），便于区分不同实验环境。
# 检查容器内是否正常识别天数 GPGPU 设备
ixsmi
预期输出示例（设备数量与型号以实际环境为准）：
+-----------------------------------------------------------------------------+
| IX-ML: 4.3.8 Driver Version: 4.3.8 CUDA Version: 10.2 |
|-------------------------------+----------------------+----------------------|
| GPU Name | Bus-Id | Clock-SM Clock-Mem |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Iluvatar BI-V150 | 00000000:10:00.0 | 1500MHz 1600MHz |
| N/A 40C P0 N/A / N/A | 64MiB / 32768MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 Iluvatar BI-V150 | 00000000:13:00.0 | 1500MHz 1600MHz |
| N/A 39C P0 104W / 350W | 64MiB / 32768MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Process name Usage(MiB) |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
安装飞桨框架
安装方式一：wheel 包安装
iluvatar_gpu 后端支持通过 wheel 包安装。在已启动的 Docker 容器中执行：
nightly 版：
python -m pip install --pre paddlepaddle-iluvatar -i https://www.paddlepaddle.org.cn/packages/nightly/ixuca/
安装方式二：源代码编译安装
在容器中克隆 Paddle-iluvatar 源码并编译安装：
# 下载 Paddle-iluvatar 源码
git clone --recurse-submodules https://github.com/PaddlePaddle/Paddle-iluvatar.git
cd Paddle-iluvatar
# 执行编译与安装脚本
bash build_paddle.sh
bash install_paddle.sh
基础功能检查
安装完成后，在容器内执行下列命令做基础健康检查。
# 列出可用自定义硬件类型
python -c "import paddle; print(paddle.device.get_all_custom_device_type())"
预期输出示例：
['iluvatar_gpu']
# 使用 paddle.utils.run_check() 做安装自检
python -c "import paddle; paddle.utils.run_check()"
预期输出示例（可见 GPU 数量与文案随机器配置变化，以下仅为示例）：
Running verify PaddlePaddle program ...
PaddlePaddle works well on 1 iluvatar_gpu.
PaddlePaddle works well on N iluvatar_gpus.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.