兆芯下从源码编译
环境准备
处理器：ZHAOXIN KaiSheng KH-40000，KH-50000；KaiXian KX-7000
操作系统：麒麟 v10/v11，UOS20/25
Python 版本 3.9/3.10/3.11/3.12/3.13 (64 bit)
pip 或 pip3 版本 20.2.3+ (64 bit)
兆芯平台为通用 x86 架构，支持 Windows 和 Linux 操作系统。在 Windows 下支持PIP 安装和源码编译，在 Linux 下支持PIP 安装、Docker 安装和源码编译。 本文在兆芯平台上在国产化操作系统（麒麟/ UOS）中从源码编译并安装 PaddlePaddle，编译方法与Linux 下从源码编译基本一致。
编译步骤
ZHAOXIN 处理器为通用 x86 处理器，在国产化操作系统中支持本机编译和Docker 编译，推荐使用Docker 编译；支持编译 CPU 版本和 GPU 版本。接下来详细介绍各个步骤。
克隆 PaddlePaddle 源代码
进入准备存储源代码的路径，用以下 Git 命令将 PaddlePaddle 源码从 GitHub 克隆到本地。
git clone --recursive https://github.com/PaddlePaddle/Paddle.git
安装 GPU 驱动
若要编译、安装、使用 Paddle GPU 版本，需要在系统内装好 GPU 驱动，例如：NVidia 驱动 若要本地编译 Paddle GPU 版本，也可以随CUDA安装 GPU 驱动。
使用 Docker 编译
1. 安装 Docker：
国产化操作系统麒麟/ UOS 在其软件源中均提供了 Docker，可用自带的包管理器（apt 或 yum/dnf）来安装。虽然其版本略旧，但完全足够加载并运行Docker 列表中的镜像，编译 Paddle CPU 版本。 若要编译、安装、使用 Paddle GPU 版本，则需要 19.0.3 以上版本的 Docker，可参阅教程安装 docker-ce。
2. 安装 GPU 容器套件：
若要编译、安装、使用 Paddle GPU 版本，则需安装 GPU 容器套件，用于在容器中使用 GPU，例如：NVidia Container Toolkit
3. 拉取 PaddlePaddle 镜像：
CPU 版本：
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:latest-dev
GPU 版本：
docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:cuda129-dev
cuda129-dev 仅为示例，百度提供多个 CUDA 版本对应的镜像，请根据自身需求选用。
4. 创建并进入 Docker 容器：
进入源代码目录，运行如下命令创建容器，并将源代码目录挂载到容器的 /paddle 目录，最后登入容器：
CPU 版本
docker run --name paddle-cpu -v $PWD:/paddle --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash
GPU 版本
docker run --gpus all --name paddle-gpu -v $PWD:/paddle --network=host -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:cuda129-dev /bin/bash
5. 进入 Docker 后进入 paddle 目录：
cd /paddle
6. 切换到 develop 分支：
git checkout develop
7. 创建并进入 /paddle/build 路径：
mkdir -p /paddle/build && cd /paddle/build
8. 安装 python 依赖：
pip3.10 install -r /paddle/python/requirements.txt
注意选择合适的 Python 版本，当前 Paddle 版本支持 Python 3.9/3.10/3.11/3.12/3.13，这些版本容器内都有。
9. 执行 cmake
CPU 版本：
cmake .. -DPY_VERSION=3.10 -DWITH_GPU=OFF
GPU 版本
cmake .. -DPY_VERSION=3.10 -DWITH_GPU=ON -DWITH_DISTRIBUTE=ON
注意参数 -DPY_VERSION 指定的 Python 版本要跟前面执行的 pip 命令的版本一致。
本机编译
1. 准备基础软件环境：
本机编译依赖本机安装的软件环境，最关键的有 Python 版本>=3.9，Gcc 版本>=8.2，Cmake 版本>=3.18。 如 OS 提供的源包含了合适版本的软件，直接通过包管理器安装即可。 如 OS 提供的源不包含合适版本的软件，则建议使用 Docker 编译。 如坚持不使用 Docker，那么下面是几个解决基础软件版本问题的建议：
可以安装 uv并用它来创建新版本虚拟 Python 环境来解决 Python 的版本问题。激活 Python 虚拟环境后还需要设置一些环境变量。
可以从源码构建新版本的 cmake以解决其版本问题。
可以从源码构建新版本的 gcc以解决其版本问题。
2. 安装 GPU 版本所需的库：
编译 GPU 版本需要安装好所需的库，例如：NVidia CUDA运行时库、NVidia cuDNN深度神经网络库、用于多 GPU 的NVidia NCCL通信库。
3. 安装 patchelf：
Paddle 内部使用 patchelf 来修改动态库的 rpath，如果 OS 提供的源包括了 patchelf，直接安装即可，否则需要源码安装，请参考patchelf 官方文档。
4. 进入 paddle 源代码的根目录：
cd <paddle 源代码所在路径>
5. 切换到 develop 分支：
git checkout develop
6. 安装 Python 依赖库：
pip install -r python/requirements.txt
实践中可能还需要安装 wheel 和 setuptools 两个 Python 库。
7. 创建并进入 build 目录：
mkdir build && cd build
8. 链接过程中打开文件数较多，可能超过系统默认限制导致编译出错，设置进程允许打开的最大文件数：
ulimit -n 4096
9. 执行 cmake：
CPU 版本：
cmake .. -DPY_VERSION=3.10 -DPYTHON_INCLUDE_DIR=${PYTHON_INCLUDE_DIRS} \ -DPYTHON_LIBRARY=${PYTHON_LIBRARY} -DWITH_GPU=OFFGPU 版本：
cmake .. -DPY_VERSION=3.10 -DPYTHON_INCLUDE_DIR=${PYTHON_INCLUDE_DIRS} \ -DPYTHON_LIBRARY=${PYTHON_LIBRARY} -DWITH_GPU=ON -DWITH_DISTRIBUTE=ON
注意将 PY_VERSION 参数配置为实际的 python 版本。
10. 编译：
make -j$(nproc)
安装
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：
python3 -m pip install -U（whl 包的名字）
恭喜，至此您已完成 PaddlePaddle 在兆芯环境下的编译安装。
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/786789f3445f498c6a1fd4d9cd3897ac7233700df0c6ae2fd78079eba89bf3fb
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 ]
备注
已在 ZHAOXIN 下测试过 resnet50，mobilenetv1，ernie，ELMo 等模型，基本保证了预测使用算子的正确性，如果您在使用过程中遇到计算结果错误，编译失败等问题，请到issue中留言，我们会及时解决。
预测文档见doc，使用示例见Paddle-Inference-Demo