add paddle dcu doc (#5441)

tutorials/mobilenetv3_prod/Step6/README.md

@@ -157,6 +157,8 @@ python3 train.py --data-path=./ILSVRC2012 --lr=0.1 --batch-size=256
 [Epoch 1, iter: 4790] top1: 0.08750, top5: 0.24531, lr: 0.01000, loss: 5.28853, avg_reader_cost: 0.05164 sec, avg_batch_cost: 0.06852 sec, avg_samples: 64.0, avg_ips: 934.08427 images/sec.
 ```
 
+DCU运行需要设置环境变量 `export HIP_VISIBLE_DEVICES=0`，启动命令与Linux GPU完全相同。
+
 * 单机多卡训练
 
 ```bash
@@ -166,6 +168,8 @@ python3 -m paddle.distributed.launch --gpus="0,1,2,3" train.py --data-path="./IL
 
 更多配置参数可以参考[train.py](./train.py)的`get_args_parser`函数。
 
+DCU运行需要设置环境变量 `export HIP_VISIBLE_DEVICES=0,1,2,3`，启动命令与Linux GPU完全相同。
+
 <a name="4.2"></a>
 
 ### 4.2 模型评估

tutorials/tipc/linux_dcu_train_infer_python/README.md

@@ -4,8 +4,22 @@
 
 - [1. 简介](#1)
 - [2. Linux DCU 基础训练推理功能开发与规范](#2)
-    - [2.1 开发流程](#2.1)
-    - [2.2 核验点](#2.2)
 - [3. Linux DCU 基础训练推理测试开发与规范](#3)
-    - [3.1 开发流程](#3.1)
-    - [3.2 核验点](#3.2)
+
+<a name="1"></a>
+
+## 1. 简介
+
+Linux DCU 基础训练推理开发过程主要步骤与[《Linux GPU/CPU 基础训练推理开发》](../train_infer_python/README.md)一致。启动命令与Linux GPU相同，只需修改环境变量 `CUDA_VISIBLE_DEVICES` 为 `HIP_VISIBLE_DEVICES`。
+
+<a name="2"></a>
+
+## 2. Linux DCU 基础训练推理功能开发与规范
+
+参考[《Linux GPU/CPU 基础训练推理开发》](../train_infer_python/README.md)。
+
+<a name="3"></a>
+
+## 3. Linux DCU 基础训练推理测试开发与规范
+
+参考[《Linux GPU/CPU 基础训练推理测试开发规范》](../train_infer_python/test_train_inference_python.md)。