安装与编译Windows预测库 =========================== 直接下载安装 ------------- | 版本说明 | 预测库(1.5.1版本) | |:---------|:-------------------| | cpu_avx_mkl | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/cpu_mkl_avx/fluid_inference_install_dir.zip) | | cpu_avx_openblas | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/cpu_open_avx/fluid_inference_install_dir.zip) | | cuda8.0_cudnn7_avx_mkl | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/gpu_mkl_avx_8.0/fluid_inference_install_dir.zip) | | cuda8.0_cudnn7_avx_openblas | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/gpu_open_avx_8.0/fluid_inference_install_dir.zip)| | cuda9.0_cudnn7_avx_mkl | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/gpu_mkl_avx_9.0/fluid_inference_install_dir.zip) | | cuda9.0_cudnn7_avx_openblas | [fluid_inference.zip](https://paddle-inference-lib.bj.bcebos.com/1.5.1-win/gpu_open_avx_9.0/fluid_inference_install_dir.zip) | 从源码编译预测库 -------------- 用户也可以从 PaddlePaddle 核心代码编译C++预测库,只需在编译时配制下面这些编译选项: |选项 | 值 | |:-------------|:-------------------| |CMAKE_BUILD_TYPE | Release | |FLUID_INFERENCE_INSTALL_DIR | 安装路径(可选) | |ON_INFER | ON(推荐) | |WITH_GPU | ON/OFF | |WITH_MKL | ON/OFF | 请按照推荐值设置,以避免链接不必要的库。其它可选编译选项按需进行设定。 Windows下安装与编译预测库步骤:(在Windows命令提示符下执行以下指令) 1. 设置预测库的安装路径,将path_to_paddle替换为PaddlePaddle预测库的安装路径: `PADDLE_ROOT=path_to_paddle`(不设置则使用默认路径) 2. 将PaddlePaddle的源码clone在当下目录的Paddle文件夹中,并进入Paddle目录: - `git clone https://github.com/PaddlePaddle/Paddle.git` - `cd Paddle` 3. 创建名为build的目录并进入: - `mkdir build` - `cd build` 4. 执行cmake: - `cmake .. -G "Visual Studio 14 2015 Win 64" -DFLUID_INFERENCE_INSTALL_DIR=${PADDLE_ROOT} -DCMAKE_BUILD_TYPE=Release -DWITH_MKL=OFF -DWITH_GPU=OFF -DON_INFER=ON` - `-DFLUID_INFERENCE_INSTALL_DIR=$PADDLE_ROOT`为可选配置选项,如未设置,则使用默认路径。 - `-DWITH_GPU`为是否使用GPU的配置选项,`-DWITH_MKL`为是否使用Intel MKL(数学核心库)的配置选项,请按需配置。 5. 从`https://github.com/wopeizl/Paddle_deps`下载预编译好的第三方依赖包(openblas, snappystream),将整个`third_party`文件夹复制到`build`目录下。 6. 使用Blend for Visual Studio 2015 打开 `paddle.sln` 文件,选择平台为`x64`,配置为`Release`,先编译third_party模块,再编译inference_lib_dist模块。 操作方法:在Visual Studio中选择相应模块,右键选择"生成"(或者"build") 编译成功后,使用C++预测库所需的依赖(包括:(1)编译出的PaddlePaddle预测库和头文件;(2)第三方链接库和头文件;(3)版本信息与编译选项信息) 均会存放于PADDLE_ROOT目录中。目录结构如下: PaddleRoot/ ├── CMakeCache.txt ├── paddle │ ├── include │ │ ├── paddle_anakin_config.h │ │ ├── paddle_analysis_config.h │ │ ├── paddle_api.h │ │ ├── paddle_inference_api.h │ │ ├── paddle_mkldnn_quantizer_config.h │ │ └── paddle_pass_builder.h │ └── lib │ ├── libpaddle_fluid.a │ └── libpaddle_fluid.so ├── third_party │ ├── boost │ │ └── boost │ ├── eigen3 │ │ ├── Eigen │ │ └── unsupported │ └── install │ ├── gflags │ ├── glog │ ├── mkldnn │ ├── mklml │ ├── protobuf │ ├── snappy │ ├── snappystream │ ├── xxhash │ └── zlib └── version.txt version.txt 中记录了该预测库的版本信息,包括Git Commit ID、使用OpenBlas或MKL数学库、CUDA/CUDNN版本号,如: GIT COMMIT ID: cc9028b90ef50a825a722c55e5fda4b7cd26b0d6 WITH_MKL: ON WITH_MKLDNN: ON WITH_GPU: ON CUDA version: 8.0 CUDNN version: v7 编译预测demo ------------- ### 硬件环境 测试环境硬件配置: | CPU | I7-8700K | |:---------|:-------------------| | 内存 | 16G | | 硬盘 | 1T hdd + 256G ssd | | 显卡 | GTX1080 8G | 测试环境操作系统使用 win10 家庭版本。 ### 软件要求 **请您严格按照以下步骤进行安装,否则可能会导致安装失败!** **安装Visual Studio 2015 update3** 安装Visual Studio 2015,安装选项中选择安装内容时勾选自定义,选择安装全部关于c,c++,vc++的功能。 ### 编译demo 下载并解压 fluid_inference_install_dir.zip 压缩包。 进入 Paddle/paddle/fluid/inference/api/demo_ci 目录,新建build目录并进入,然后使用cmake生成vs2015的solution文件。 指令为: `cmake .. -G "Visual Studio 14 2015 Win64" -DWITH_GPU=OFF -DWITH_MKL=ON -DWITH_STATIC_LIB=ON -DCMAKE_BUILD_TYPE=Release -DDEMO_NAME=simple_on_word2vec -DPADDLE_LIB=path_to_the_paddle_lib` 注: -DDEMO_NAME 是要编译的文件 -DPADDLE_LIB fluid_inference_install_dir,例如 -DPADDLE_LIB=D:\fluid_inference_install_dir Cmake可以在[官网进行下载](https://cmake.org/download/),并添加到环境变量中。 执行完毕后,build 目录如图所示,打开箭头指向的 solution 文件:
修改编译属性为 `/MT` :
编译生成选项改成 `Release` 。
通过cmd进到Release目录执行: 1. 开启GLOG `set GLOG_v=100` 2. 进行预测 `simple_on_word2vec.exe --dirname=.\word2vec.inference.model`