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。
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。
