共计 1642 个字符，预计需要花费 5 分钟才能阅读完成。
近日，百度飞桨深度学习框架与海光人工智能加速卡 DCU 系列进行了装置部署测试、根本功能测试和稳定性兼容性测试，联结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 环境上均能顺利装置，能够牢靠、稳固、高性能地运行，满足用户的关键性利用需要。
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 反对以下模型的单机单卡 / 单机多卡的训练与推理。
飞桨框架 ROCm 版装置阐明及测试环境阐明：
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 版反对基于海光 CPU 和 DCU 的 Python 的训练和原生预测，以后反对的飞桨框架 ROCm 版本为 4.0.1, 飞桨框架版本为 2.1.0，提供两种装置形式：
- 通过预编译的 wheel 包装置
- 通过源代码编译装置
表 1：软件环境
表 2：硬件环境
飞桨框架 ROCm 版反对模型：
以后在海光 DCU 芯片上进行过 80+ 模型的官网验证，验证包含有图像分类（PaddleClas）、指标检测（PaddleDetection）、图像宰割（PaddleSeg）、文字辨认（PaddleOCR）、生成反抗网络（PaddleGAN）、自然语言解决（PaddleNLP）、举荐（PaddleRec）、语音（Parakeet）类别的模型。下表是反对的局部指标检测类模型的状况，残缺反对信息请见：
飞桨官网 > 文档 > 应用教程 > 硬件反对 > 海光 DCU 芯片运行飞桨 > 飞桨框架 ROCm 版反对模型。
（文档链接：
https://www.paddlepaddle.org….）
飞桨框架 ROCm 版训练及预测：
训练： 应用海光 CPU/DCU 进行训练与应用 Intel CPU/Nvidia GPU 训练雷同，以后飞桨框架 ROCm 版本齐全兼容飞桨框架 CUDA 版本的 API，间接应用原有的 GPU 训练命令和参数即可。
预测： 应用海光 CPU/DCU 进行预测与应用 Intel CPU/Nvidia GPU 预测雷同，反对飞桨原生推理库 (Paddle Inference)，实用于高性能服务器端、云端推理。以后飞桨框架 ROCm 版本齐全兼容飞桨框架 CUDA 版本的 C++/Python API，间接应用原有的 GPU 预测命令和参数即可。
残缺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 系列能够全面笼罩反对深度学习训练场景，轻松应答简单神经网络训练，适宜为人工智能计算提供弱小的算力。产品曾经大量利用在电信、金融、教育、科研、人工智能等重要畛域。
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钻研和业务利用为根底，集深度学习外围训练和推理框架、根底模型库、端到端开发套件、丰盛的工具组件于一体，是中国首个自主研发、功能丰富、开源凋谢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 系列实现互认证，将进一步晋升单方在国产软、硬件畛域的产品竞争力，不断完善产品性能的同时，为客户晋升 AI 平台撑持能力，助力客户实现数字化、智能化降级转型。
百度 AI 开发者社区 https://ai.baidu.com/forum，为全国各地开发者提供一个交换、分享、答疑解惑的平台，让开发者在研发路上不再“孤军奋战”，通过一直地交换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、开辟利用场景，赶快退出百度 AI 社区，你对 AI 的所有畅想，在这里都能够实现！
扫描下方二维码，增加小助手微信「京东卡、小度定制周边、神秘礼盒、行李箱」等更多福利你来拿~