Ubuntu之百度飞浆Paddle安装

一、Paddle简介
  百度飞桨（PaddlePaddle）是百度基于深度学习技术研发的开源深度学习平台，提供全面的深度学习框架和工具，支持多种深度学习算法和模型，包括图像识别、自然语言处理、语音识别等领域。飞桨采用动态图和静态图相结合的方式，具有高效、灵活、易用的特点，帮助用户快速构建和训练深度学习模型，加速深度学习应用的落地。同时，百度飞桨还提供了丰富的深度学习应用场景案例和实践教程，帮助用户深入了解深度学习技术和应用。博文实验环境如下：

操作系统：Ubuntu20.04.3 LTS
cuda版本：11.6
python版本：3.8
Paddle版本：2.4
二、安装步骤
1、安装anconda3
  推荐使用pip或者conda方式安装，所以建议先创建一个python虚拟环境，可以先安装anconda3用于创建和管理python虚拟环境。安装步骤见博文Ubuntu之Anaconda3安装。

wuhs@jqxxpc:~$ wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.02-Linux-x86_64.sh
wuhs@jqxxpc:~$ sh Anaconda3-2020.02-Linux-x86_64.sh

2、创建paddle虚拟环境
(base) wuhs@jqxxpc:~$ conda create --name paddle python=3.8
(base) wuhs@jqxxpc:~$ conda activate paddle
(paddle) wuhs@jqxxpc:~$

3、官网选择安装方式获取安装命令
  访问飞浆官网，选择需要安装的飞浆版本，操作系统类型、安装方式、计算平台。博主这里是Ubuntu系统，配置有显卡选择的cuda11.6计算平台，查看cuda版本使用nvcc -V命令。关于cuda的安装可以参考博文Ubuntu之cuda安装及历史版本安装。
————————————————

4、执行安装命令
  点击复制按钮，复制安装命令，在paddle虚拟环境下直接执行此命令。

(paddle) wuhs@jqxxpc:~$ conda install paddlepaddle-gpu==2.4.2 cudatoolkit=11.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge
…
Proceed ([y]/n)? y
…
Preparing transaction: done
Verifying transaction: done
Executing transaction: | b’By downloading and using the CUDA Toolkit conda packages, you accept the terms and conditions of the CUDA End User License Agreement (EULA): https://docs.nvidia.com/cuda/eula/index.html\n’
| b’By downloading and using the cuDNN conda packages, you accept the terms and conditions of the NVIDIA cuDNN EULA -\n https://docs.nvidia.com/deeplearning/cudnn/sla/index.html\n’
done

5、安装验证
  安装完成后，输入python命令进入python交互模式，使用如下方式查看验证paddle是否安装成功，看到“PaddlePaddle is installed successfully! ”说明安装成功。使用paddle.__version__查看paddle版本。

(paddle) wuhs@jqxxpc:~$ python
>>> import paddle
>>> paddle.utils.run_check()
Running verify PaddlePaddle program …
PaddlePaddle works well on 1 GPU.
W0509 17:21:14.797003 3684118 fuse_all_reduce_op_pass.cc:79] Find all_reduce operators: 2. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 2.
PaddlePaddle works well on 2 GPUs.
PaddlePaddle is installed successfully! Let’s start deep learning with PaddlePaddle now.
#使用paddle.__version__查看paddle版本。
>>> import paddle
>>> paddle.version
‘2.4.2’
————————————————