飞桨与海光人工智能加速卡 DCU 系列完成互证，助力国产 AI 加速 卡人工智能应用创新

近日，百度飞桨深度学习框架与海光人工智能加速卡 DCU 系列进行了安装部署测试、基本功能测试和稳定性兼容性测试，联合测试结果显示百度飞桨深度学习框架在海光 DCU 系列以及海光 3000、5000、7000 系列 CPU 环境上均能顺利安装，可以可靠、稳定、高性能地运行，满足用户的关键性应用需求。

图 1：飞桨与海光 DCU 生态兼容性认证证书

其中，DCU（Deep Computing Unit 深度计算器）是海光（HYGON）推出的一款专门用于 AI 人工智能和深度学习的加速卡。目前飞桨框架 ROCm 版基于海光 CPU(X86)和 DCU 支持以下模型的单机单卡/单机多卡的训练与推理。

飞桨框架 ROCm 版安装说明及测试环境说明：

本次适配及测试工作是由飞桨团队和海光团队基于海光 7000 系列 CPU 以及海光 DCU-Z100 深度计算处理器芯片，在 CentOS7.6 操作系统下进行了相关性测试。目前飞桨框架 ROCm 版支持基于海光 CPU 和 DCU 的 Python 的训练和原生预测，当前支持的飞桨框架 ROCm 版本为 4.0.1, 飞桨框架版本为 2.1.0，提供两种安装方式：

• 通过预编译的 wheel 包安装

• 通过源代码编译安装

表 1：软件环境

表 2：硬件环境

飞桨框架 ROCm 版支持模型：

当前在海光 DCU 芯片上进行过 80+模型的官方验证，验证包括有图像分类（PaddleClas）、目标检测（PaddleDetection）、图像分割（PaddleSeg）、文字识别（PaddleOCR）、生成对抗网络（PaddleGAN）、自然语言处理（PaddleNLP）、推荐（PaddleRec）、语音（Parakeet）类别的模型。下表是支持的部分目标检测类模型的情况，完整支持信息请见：

飞桨官网 > 文档 >使用教程 >硬件支持 > 海光 DCU 芯片运行飞桨 > 飞桨框架 ROCm 版支持模型。

（文档链接：

https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/09_hardware_support/rocm_docs/paddle_rocm_cn.html ）

飞桨框架 ROCm 版训练及预测：

训练：使用海光 CPU/DCU 进行训练与使用 Intel CPU/Nvidia GPU 训练相同，当前飞桨框架 ROCm 版本完全兼容飞桨框架 CUDA 版本的 API，直接使用原有的 GPU 训练命令和参数即可。

预测：使用海光 CPU/DCU 进行预测与使用 Intel CPU/Nvidia GPU 预测相同，支持飞桨原生推理库(Paddle Inference)，适用于高性能服务器端、云端推理。当前飞桨框架 ROCm 版本完全兼容飞桨框架 CUDA 版本的 C++/Python API，直接使用原有的 GPU 预测命令和参数即可。

完整训练及预测示例可参考官网海光 DCU 芯片运行飞桨文档。

海光信息技术股份有限公司（以下简称“海光公司”）自主研发的人工智能加速卡 DCU 系列可以全面覆盖支持深度学习训练场景，轻松应对复杂神经网络训练，适合为人工智能计算提供强大的算力。产品已经大量应用在电信、金融、教育、科研、人工智能等重要领域。

北京百度网讯科技有限公司（以下简称“百度公司”）自主研发的深度学习平台飞桨，以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。

本次百度飞桨深度学习框架与海光人工智能加速卡 DCU 系列完成互认证，将进一步提升双方在国产软、硬件领域的产品竞争力，不断完善产品性能的同时，为客户提升 AI 平台支撑能力，助力客户实现数字化、智能化升级转型。

​

百度 AI 开发者社区https://ai.baidu.com/forum?&hmsr=infoQ&hmpl=AI ，为全国各地开发者提供一个交流、分享、答疑解惑的平台，让开发者在研发路上不再“孤军奋战”，通过不断地交流与探讨找出更好的技术解决方案。如果你想尝试各种人工智能技术、开拓应用场景，赶快加入百度 AI 社区，你对 AI 的所有畅想，在这里都可以实现！

扫描下方二维码，添加小助手微信「京东卡、小度定制周边、神秘礼盒、行李箱」等更多福利你来拿~

​