飞桨PaddlePaddle的安装

MacOS 下的 PIP 安装

一、环境准备

1.1 如何查看您的环境

可以使用以下命令查看本机的操作系统和位数信息:

uname -m && cat /etc/*release

确认需要安装 PaddlePaddle 的 Python 是您预期的位置,因为您计算机可能有多个 Python

使用以下命令输出 Python 路径,根据的环境您可能需要将说明中所有命令行中的 python3 替换为具体的 Python 路径

which python

需要确认 python 的版本是否满足要求

使用以下命令确认是 3.8/3.9/3.10/3.11/3.12

python3 --version

需要确认 pip 的版本是否满足要求,要求 pip 版本为 20.2.2 或更高版本

python3 -m ensurepip
python3 -m pip --version

需要确认 Python 和 pip 是 64bit,并且处理器架构是 x86_64(或称作 x64、Intel 64、AMD64)架构 或 arm64 架构(paddle 已原生支持 Mac M1 芯片):

python3 -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

二、开始安装

首先请选择您的版本

目前在 MacOS 环境仅支持 CPU 版 PaddlePaddle

根据版本进行安装

确定您的环境满足条件后可以开始安装了,选择下面您要安装的 PaddlePaddle

python3 -m pip install paddlepaddle==2.6.1 -i https://mirror.baidu.com/pypi/simple

注:

  • MacOS 上您需要安装 unrar 以支持 PaddlePaddle,可以使用命令brew install unrar

  • 请确认需要安装 PaddlePaddle 的 Python 是您预期的位置,因为您计算机可能有多个 Python。根据您的环境您可能需要将说明中所有命令行中的 python3 替换为具体的 Python 路径。

  • 默认下载最新稳定版的安装包,如需获取 develop 版本 nightly build 的安装包,请参考这里

  • 使用 MacOS 中自带 Python 可能会导致安装失败。请使用python 官网提供的 python3.8.x、python3.9.x、python3.10.x、python3.11.x、python3.12.x。

  • 上述命令默认安装avx、mkl的包,判断你的机器是否支持avx,可以输入以下命令,如果输出中包含avx,则表示机器支持avx。飞桨不再支持noavx指令集的安装包。

sysctl machdep.cpu.features | grep -i avx

sysctl machdep.cpu.leaf7_features | grep -i avx

三、验证安装

安装完成后您可以使用 python 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。

具体安装教程参考飞桨官网:https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/macos-pip.html

Windows 下的 PIP 安装

需要确认 Python 和 pip 是 64bit,并且处理器架构是 x86_64(或称作 x64、Intel 64、AMD64)架构。下面的第一行输出的是”64bit”,第二行输出的是”x86_64”、”x64”或”AMD64”即可:

python -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

默认提供的安装包需要计算机支持 MKL

Windows 暂不支持 NCCL,分布式等相关功能

首先请您选择您的版本

  • 如果您的计算机没有 NVIDIA GPU,请安装CPU 版的 PaddlePaddle

  • 如果您的计算机有 NVIDIA GPU,请确保满足以下条件并且安装 GPU 版 PaddlePaddle

    • CUDA 工具包 11.2 配合 cuDNN v8.2.1,如需使用 PaddleTensorRT 推理,需配合 TensorRT8.2.4.2

    • CUDA 工具包 11.6 配合 cuDNN v8.4.0,如需使用 PaddleTensorRT 推理,需配合 TensorRT8.4.0.6

    • CUDA 工具包 11.7 配合 cuDNN v8.4.1,如需使用 PaddleTensorRT 推理,需配合 TensorRT8.4.2.4

    • CUDA 工具包 11.8 配合 cuDNN v8.6.0,如需使用 PaddleTensorRT 推理,需配合 TensorRT8.5.1.7

    • CUDA 工具包 12.0 配合 cuDNN v8.9.1, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.6.1.6

    • GPU 运算能力超过 3.5 的硬件设备

注:目前官方发布的 windows 安装包仅包含 CUDA 11.2/11.6/11.7/11.8/12.0,如需使用其他 cuda 版本,请通过源码自行编译。您可参考 NVIDIA 官方文档了解 CUDA、CUDNN 和 TensorRT 的安装流程和配置方法,请见CUDA,cuDNN,TensorRT

根据版本进行安装

确定您的环境满足条件后可以开始安装了,选择下面您要安装的 PaddlePaddle

2.1 CPU 版的 PaddlePaddle

python -m pip install paddlepaddle==2.6.1 -i https://mirror.baidu.com/pypi/simple

2.2 GPU 版的 PaddlePaddle

2.2.1 CUDA11.2 的 PaddlePaddle

python -m pip install paddlepaddle-gpu==2.6.1.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

2.2.2 CUDA11.6 的 PaddlePaddle

python -m pip install paddlepaddle-gpu==2.6.1.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

2.2.3 CUDA11.7 的 PaddlePaddle

python -m pip install paddlepaddle-gpu==2.6.1.post117 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

2.2.4 CUDA11.8 的 PaddlePaddle

python -m pip install paddlepaddle-gpu==2.6.1 -i https://mirror.baidu.com/pypi/simple

2.2.5 CUDA12.0 的 PaddlePaddle

python -m pip install paddlepaddle-gpu==2.6.1.post120 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

注:

请确认需要安装 PaddlePaddle 的 Python 是您预期的位置,因为您计算机可能有多个 Python。根据您的环境您可能需要将说明中所有命令行中的 python 替换为具体的 Python 路径。

上述命令默认安装avx、mkl的包。判断你的机器是否支持avx,可以安装CPU-Z工具查看“处理器-指令集”。飞桨不再支持noavx指令集的安装包。

如果你想安装avx、openblas的 Paddle 包,可以通过以下命令将 wheel 包下载到本地,再使用python -m pip install [name].whl本地安装([name]为 wheel 包名称)

python -m pip download paddlepaddle==2.6.1 -f https://www.paddlepaddle.org.cn/whl/windows/openblas/avx/stable.html --no-index --no-deps

具体安装教程参考飞桨官网:https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html

Linux 下的 PIP 安装

需要确认 Python 和 pip 是 64bit,并且处理器架构是 x86_64(或称作 x64、Intel 64、AMD64)架构。下面的第一行输出的是”64bit”,第二行输出的是”x86_64”、”x64”或”AMD64”即可

python3 -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

开始安装

首先请选择您的版本

  • 如果您的计算机没有 NVIDIA GPU,请安装CPU 版的 PaddlePaddle

  • 如果您的计算机有 NVIDIA GPU,请确保满足以下条件并且安装GPU 版 PaddlePaddle,依赖库环境版本要求如下:

    • CUDA 工具包 11.2 配合 cuDNN v8.2.1, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.0.3.4

    • CUDA 工具包 11.6 配合 cuDNN v8.4.0, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.4.0.6

    • CUDA 工具包 11.7 配合 cuDNN v8.4.1, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.4.2.4

    • CUDA 工具包 11.8 配合 cuDNN v8.6.0, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.5.1.7

    • CUDA 工具包 12.0 配合 cuDNN v8.9.1, 如需使用 PaddleTensorRT 推理,需配合 TensorRT8.6.1.6

    • 如需使用分布式多卡环境,需配合 NCCL>=2.7

    • GPU 运算能力超过 6.0 的硬件设备

您可参考 NVIDIA 官方文档了解 CUDA、CUDNN 和 TensorRT 的安装流程和配置方法,请见CUDA,cuDNN,TensorRT

如果您需要使用多卡环境请确保您已经正确安装 nccl2,或者按照以下指令安装 nccl2(这里提供的是 CUDA11.2,cuDNN7 下 nccl2 的安装指令,更多版本的安装信息请参考 NVIDIA官方网站):

rm -f /usr/local/lib/libnccl.so
wget --no-check-certificate -q https://nccl2-deb.cdn.bcebos.com/libnccl-2.10.3-1+cuda11.4.x86_64.rpm
wget --no-check-certificate -q https://nccl2-deb.cdn.bcebos.com/libnccl-devel-2.10.3-1+cuda11.4.x86_64.rpm
wget --no-check-certificate -q https://nccl2-deb.cdn.bcebos.com/libnccl-static-2.10.3-1+cuda11.4.x86_64.rpm
rpm -ivh libnccl-2.10.3-1+cuda11.4.x86_64.rpm
rpm -ivh libnccl-devel-2.10.3-1+cuda11.4.x86_64.rpm
rpm -ivh libnccl-static-2.10.3-1+cuda11.4.x86_64.rpm

2.1 CPU 版的 PaddlePaddle

python3 -m pip install paddlepaddle==2.6.1 -i https://mirror.baidu.com/pypi/simple

2.2 GPU 版的 PaddlePaddle

2.2.1 CUDA11.2 的 PaddlePaddle

python3 -m pip install paddlepaddle-gpu==2.6.1.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
# CUDA11.2 包含 cuDNN 动态链接库的 PaddlePaddle
python3 -m pip install paddlepaddle-gpu==2.6.1.post112 -f https://www.paddlepaddle.org.cn/whl/linux/cudnnin/stable.html

2.2.3 CUDA11.6 的 PaddlePaddle

python3 -m pip install paddlepaddle-gpu==2.6.1.post116 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
# CUDA11.6 包含 cuDNN 动态链接库的 PaddlePaddle
python3 -m pip install paddlepaddle-gpu==2.6.1.post116 -f https://www.paddlepaddle.org.cn/whl/linux/cudnnin/stable.html

2.2.4 CUDA11.7 的 PaddlePaddle

python3 -m pip install paddlepaddle-gpu==2.6.1.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
# CUDA11.7 包含 cuDNN 动态链接库的 PaddlePaddle
python3 -m pip install paddlepaddle-gpu==2.6.1.post117 -f https://www.paddlepaddle.org.cn/whl/linux/cudnnin/stable.html

2.2.5 CUDA11.8 的 PaddlePaddle

python3 -m pip install paddlepaddle-gpu==2.6.1 -i https://mirror.baidu.com/pypi/simple
# CUDA11.8 包含 cuDNN 动态链接库的 PaddlePaddle,需要先使用如下命令将 wheel 包下载到本地,再使用`python3 -m pip install [name].whl`本地安装([name]为 wheel 包名称): python3 -m pip download paddlepaddle-gpu==2.6.1 -f https://www.paddlepaddle.org.cn/whl/linux/cudnnin/stable.html --no-index --no-deps

2.2.6 CUDA12.0 的 PaddlePaddle

python3 -m pip install paddlepaddle-gpu==2.6.1.post120 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
# CUDA12.0 包含 cuDNN 动态链接库的 PaddlePaddle
python3 -m pip install paddlepaddle-gpu==2.6.1.post120 -f https://www.paddlepaddle.org.cn/whl/linux/cudnnin/stable.html

注:

飞桨对于主流各 python 版本均提供了对应的安装包,而您环境中可能有多个 Python,请确认你想使用的 python 版本并下载对应的 paddlepaddle 安装包。例如您想使用 python3.10 的环境,则安装命令为 python3.10 -m pip install paddlepaddle。

上述命令默认安装avx、mkl的包。判断你的机器是否支持avx,可以输入以下命令,如果输出中包含avx,则表示机器支持avx。飞桨不再支持noavx指令集的安装包。

cat /proc/cpuinfo | grep -i avx

如果你想安装avx、openblas的 Paddle 包,可以通过以下命令将 wheel 包下载到本地,再使用python3 -m pip install [name].whl本地安装([name]为 wheel 包名称):

python3 -m pip download paddlepaddle==2.6.1 -f https://www.paddlepaddle.org.cn/whl/linux/openblas/avx/stable.html --no-index --no-deps

具体安装教程参考飞桨官网:https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/linux-pip.html

四、如何卸载

请使用以下命令卸载 PaddlePaddle:

  • CPU 版本的 PaddlePaddle: python3 -m pip uninstall paddlepaddle

  • GPU 版本的 PaddlePaddle: python3 -m pip uninstall paddlepaddle-gpu

飞桨PaddlePaddle的安装的更多相关文章

  1. 树莓派4B安装 百度飞桨paddlelite 做视频检测 (一、环境安装)

    前言: 当前准备重新在树莓派4B8G 上面搭载训练模型进行识别检测,训练采用了百度飞桨的PaddleX再也不用为训练部署环境各种报错发愁了,推荐大家使用. 关于在树莓派4B上面paddlelite的文 ...

  2. Ubuntu 百度飞桨和 CUDA 的安装

    Ubuntu 百度飞桨 和 CUDA 的安装 1.简介 本文主要是 Ubuntu 百度飞桨 和 CUDA 的安装 系统:Ubuntu 20.04 百度飞桨:2.2 为例 2.百度飞桨安装 访问百度飞桨 ...

  3. 提速1000倍,预测延迟少于1ms,百度飞桨发布基于ERNIE的语义理解开发套件

    提速1000倍,预测延迟少于1ms,百度飞桨发布基于ERNIE的语义理解开发套件 11月5日,在『WAVE Summit+』2019 深度学习开发者秋季峰会上,百度对外发布基于 ERNIE 的语义理解 ...

  4. 【百度飞桨】手写数字识别模型部署Paddle Inference

    从完成一个简单的『手写数字识别任务』开始,快速了解飞桨框架 API 的使用方法. 模型开发 『手写数字识别』是深度学习里的 Hello World 任务,用于对 0 ~ 9 的十类数字进行分类,即输入 ...

  5. 【一】ERNIE:飞桨开源开发套件,入门学习,看看行业顶尖持续学习语义理解框架,如何取得世界多个实战的SOTA效果?

    ​ 参考文章: 深度剖析知识增强语义表示模型--ERNIE_财神Childe的博客-CSDN博客_ernie模型 ERNIE_ERNIE开源开发套件_飞桨 https://github.com/Pad ...

  6. 我做的百度飞桨PaddleOCR .NET调用库

    我做的百度飞桨PaddleOCR .NET调用库 .NET Conf 2021中国我做了一次<.NET玩转计算机视觉OpenCV>的分享,其中提到了一个效果特别好的OCR识别引擎--百度飞 ...

  7. 百度飞桨数据处理 API 数据格式 HWC CHW 和 PIL 图像处理之间的关系

    使用百度飞桨 API 例如:Resize Normalize,处理数据的时候. Resize:如果输入的图像是 PIL 读取的图像这个数据格式是 HWC ,Resize 就需要 HWC 格式的数据. ...

  8. 飞桨paddlespeech语音唤醒推理C实现

    上篇(飞桨paddlespeech 语音唤醒初探)初探了paddlespeech下的语音唤醒方案,通过调试也搞清楚了里面的细节.因为是python 下的,不能直接部署,要想在嵌入式上部署需要有C下的推 ...

  9. 飞桨AI 文本实体抽取 数据准备(excel 文本标注)

    网纸: https://ai.baidu.com/easydl/app/deploy/tee/public #!/usr/bin/env python3 # -*- coding: utf-8 -*- ...

  10. PaddlePaddle:在 Serverless 架构上十几行代码实现 OCR 能力

    ​ 飞桨 (PaddlePaddle) 以百度多年的深度学习技术研究和业务应用为基础,是中国首个自主研发.功能完备. 开源开放的产业级深度学习平台,集深度学习核心训练和推理框架.基础模型库.端到端开发 ...

随机推荐

  1. Debian安装KDE的方法

    安装KDE指令 sudo apt install kde-plasma-desktop--最小安装:仅安装桌面环境以及基础软件 sudo apt install kde-standard --标准安装 ...

  2. mybatis之Mapped Statements collection does not contain value for...错误原因分析

    错误原因有几种:  1.mapper.xml中没有加入namespace:  2.mapper.xml中的方法和接口mapper的方法不对应:  3.mapper.xml没有加入到mybatis-co ...

  3. 【VMware vSAN】全新vSAN 8 ESA快速存储架构配置文件服务并创建文件共享。

    早在2020年,VMware就发布了vSphere7.vSAN7.VCF4等等产品的更新,当时随着云原生的火热,基于容器技术的现代应用程序快速发展,Docker.Kubernetes这些容器平台被广泛 ...

  4. Welcome to YARP - 3 负载均衡 (Load Balancing)

    目录 Welcome to YARP - 1.认识YARP并搭建反向代理服务 Welcome to YARP - 2.配置功能 2.1 - 配置文件(Configuration Files) 2.2 ...

  5. Python机器学习笔记:CART算法实战

    完整代码及其数据,请移步小编的GitHub 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/MachineLearningNote 前言 在python机 ...

  6. drools中no-loop和lock-on-active的区别

    一.背景 在我们编写drools规则的过程中,可能会发生死循环,那么该怎么解决呢?如果想某一个规则只执行一次,即别的规则导致该规则重新执行,也不需要执行,那么该怎么解决呢? 二.解决方案 针对以上问题 ...

  7. 嵌入式C语言设计学习之C语言回顾

    C的基本语法-回忆 1.C的结构 C语言的结构还是以函数为主体,通过其他资源的添加来实现高级语言逻辑.所有的操作都是基于主函数展开的.以主函数为顺序列表,其他函数作为功能模块,组成一个完整的系统.所以 ...

  8. KingbaseES 数据库逻辑优化规则

    SQL 优化的过程可以分为逻辑优化和物理优化两个部分.逻辑优化主要是基于规则的优化,简称 RBO(Rule-Based Optimization).物理优化会为逻辑查询计划中的算子选择某个具体的实现, ...

  9. 【Java面试题】Mybatis

    五.MyBatis 40)谈谈 MyBatis Mybatis 是一个半自动化的 ORM 框架,它对 jdbc 的操作数据库的过程进行封装,使得开发者只需要专注于 SQL 语句本身,而不用去关心注册驱 ...

  10. #线性筛,斐波那契数列,GCD#BZOJ 2813 奇妙的Fibonacci

    题目 有一个斐波那契数列,满足 \[F_n=\begin{cases}1\qquad (n==1)\\1\qquad (n==2)\\F_{n-1}+F_{n-2}\qquad (n>2)\en ...