百度飞桨与海光DCU系列人工智能加速卡完成互证

发布时间：2021-10-14 作者：未知

　　今天给大家分享的是百度飞桨助力国产AI加速卡人工智能应用创新与海光人工智能加速卡DCU系列完成互证的相关信息，下面我们一起来看具体详情！

　　近期，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。

　　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。

　　更多百度飞桨相关内容，百度云服务中心持续分享中！

　　推荐阅读：百度大脑OCR智能票据识别开始公测了

标签： AI加速卡人工智能百度飞桨深度学习图像分类图像分割目标检测文字识别自然语言处理语音识别 AI平台

上一篇：百度智能云打造AI+工业互联网新高地—加速粤港澳大湾区布局

下一篇：百度参与制定人工智能国家职业技能标准

百度飞桨与海光DCU系列人工智能加速卡完成互证

热门资讯