前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PaddlePaddle踩坑指北系列——Linux安装(一)

PaddlePaddle踩坑指北系列——Linux安装(一)

作者头像
用户1386409
发布2018-12-26 14:24:19
1.2K0
发布2018-12-26 14:24:19
举报
文章被收录于专栏:PaddlePaddle

本周我们在社区中精选出开发者在使用PaddlePaddle过程中遇到的技术难题,希望能帮助广大用户在Linux安装过程中解答疑惑。

问题1:cuda9.0需要安装哪一个版本的paddle,安装包在哪?

关键字:cuda 9.0

问题描述:cuda9.0需要安装哪一个版本的paddle,安装包在哪,希望安装Fluid版本的Paddle,而不是旧版的Paddle

问题解答:

paddlepaddle-gpu使用CUDA 9.0和cuDNN 7编译的0.14.0版本,因此,pip install paddlepaddle-gpu即可。

可以参考安装说明文档:

http://paddlepaddle.org/documentation/docs/zh/0.14.0/new_docs/beginners_guide/install/install_doc.html#linuxpaddlepaddle

问题2:pip install paddlepaddle-gpu 安装 fluid 版本报错

关键字:GPU

问题描述: 使用 pip install paddlepaddle-gpu命令在公司内部开发GPU机器上安装PaddlePaddle,安装信息如下:

机器的CUDA信息如下:

按照官网安装:pip install paddlepaddle-gpu 执行 import paddle.fluid as fluid 失败

奇怪的是,同样的环境下,上周运行成功,这周确运行失败,求解答

解决方法: 这通常是GPU显存不足导致的,请检查一下机器的显存,确保显存足够后再尝试import paddle.fluid

问题3:CUDA driver version is insufficient

关键字:CUDA insufficient

问题描述:在使用PaddlePaddle GPU的Docker镜像的时候,出现 Cuda Error: CUDA driver version is insufficient for CUDA runtime version

问题解答

通常出现 Cuda Error: CUDA driver version is insufficient for CUDA runtime version, 原因在于没有把机器上CUDA相关的驱动和库映射到容器内部。

解决方法

使用nvidia-docker, 命令只需要将docker换为nvidia-docker即可。 更多请参考:https://github.com/NVIDIA/nvidia-docker

问题4:安装CPU版本后训练主动abort,gdb显示Illegal instruction

关键字:CPU版本 Illegal instruction

问题描述:成功安装了PaddlePaddle CPU版本后,使用Paddle训练模型,训练过程中,Paddle会自动退出,gdb显示Illegal instruction

报错输出:

Aborted at 1539697466 (unix time) try "date -d @1539697466" if you are using GNU date

PC: @ 0x0 (unknown)

SIGILL (@0x7fe3a27b7912) received by PID 13005 (TID 0x7fe4059d8700) from PID 18446744072140585234; stack trace:

代码语言:javascript
复制
@     0x318b20f500 (unknown)

@     0x7fe3a27b7912 paddle::framework::VisitDataType<>()

@     0x7fe3a279f84f paddle::operators::math::set_constant_with_place<>()

@     0x7fe3a1e50c21 paddle::operators::FillConstantOp::RunImpl()

@     0x7fe3a27526bf paddle::framework::OperatorBase::Run()

@     0x7fe3a1ca31ea paddle::framework::Executor::RunPreparedContext()

@     0x7fe3a1ca3be0 paddle::framework::Executor::Run()

@     0x7fe3a1bc9e7d _ZZN8pybind1112cpp_function10initializeIZN6paddle6pybindL13pybind11_initEvEUlRNS2_9framework8ExecutorERKNS4_11ProgramDescEPNS4_5ScopeEibbE63_vIS6_S9_SB_ibbEINS_4nameENS_9is_methodENS_7siblingEEEEvOT_PFT0_DpT1_EDpRKT2_ENUlRNS_6detail13function_callEE1_4_FUNEST_

@     0x7fe3a1c14c24 pybind11::cpp_function::dispatcher()

@     0x7fe405acf3e4 PyEval_EvalFrameEx

@     0x7fe405ad0130 PyEval_EvalCodeEx

@     0x7fe405ace4a1 PyEval_EvalFrameEx

@     0x7fe405ad0130 PyEval_EvalCodeEx

@     0x7fe405ace4a1 PyEval_EvalFrameEx

@     0x7fe405ad0130 PyEval_EvalCodeEx

@     0x7fe405a5c181 function_call

@     0x7fe405a340f3 PyObject_Call

@     0x7fe405accde7 PyEval_EvalFrameEx

@     0x7fe405acec56 PyEval_EvalFrameEx

@     0x7fe405ad0130 PyEval_EvalCodeEx

@     0x7fe405a5c27d function_call

@     0x7fe405a340f3 PyObject_Call

@     0x7fe405accde7 PyEval_EvalFrameEx

@     0x7fe405ad0130 PyEval_EvalCodeEx

@     0x7fe405a5c181 function_call

@     0x7fe405a340f3 PyObject_Call

@     0x7fe405a46f7f instancemethod_call

@     0x7fe405a340f3 PyObject_Call

@     0x7fe405a8abd4 slot_tp_call

@     0x7fe405a340f3 PyObject_Call

@     0x7fe405acd887 PyEval_EvalFrameEx

@     0x7fe405acec56 PyEval_EvalFrameEx

问题解答

CPU版本PaddlePaddle自动退出的原因通常是因为所在机器不支持AVX2指令集而主动abort。简单的判断方法: 用gdb-7.9以上版本(因编译C++文件用的工具集是gcc-4.8.2,目前只知道gdb-7.9这个版本可以debug gcc4编译出来的目标文件):

$ /path/to/gdb -iex "set auto-load safe-path /" -iex "set solib-search-path /path/to/gcc-4/lib" /path/to/python -c core.xxx

在gdb界面:

(gdb) disas

找到箭头所指的指令,例如:

0x00007f381ae4b90d <+3101>: test %r8,%r8

=> 0x00007f381ae4b912 <+3106>: vbroadcastss %xmm0,%ymm1

0x00007f381ae4b917 <+3111>: lea (%r12,%rdx,4),%rdi

然后google一下这个指令需要的指令集。上面例子中的带xmm和ymm操作数的vbroadcastss指令只在AVX2中支持

然后看下自己的CPU是否支持该指令集

cat /proc/cpuinfo | grep flags | uniq | grep avx --color

如果没有AVX2,就表示确实是指令集不支持引起的主动abort

解决方法

如果没有AVX2指令集,就需要要安装不支持AVX2指令集版本的PaddlePaddle,默认安装的PaddlePaddle是支持AVX2指令集的,因为AVX2可以加速模型训练的过程,更多细节可以参考安装文档

http://www.paddlepaddle.org/documentation/docs/zh/1.0/beginners_guide/install/Start.html#paddlepaddle

问题5:nvidia-docker运行镜像latest-gpu-cuda8.0-cudnn7: SIGILL

关键字:nvidia-docker cuda8.0 cudnn7

问题描述:

使用sudo nvidia-docker run --name Paddle -it -v $PWD:/work hub.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda8.0-cudnn7 /bin/bash,安装成功后,出现如下问题

import paddle.fluid

Aborted at 1539682149 (unix time) try "date -d @1539682149" if you are using GNU date

PC: @ 0x0 (unknown)

SIGILL (@0x7f6ac6ea9436) received by PID 16 (TID 0x7f6b07bc7700) from PID 18446744072751846454; stack trace:

解决方法:

请先确定一下机器是否支持AVX2指令集,如果不支持,请按照相应的不支持AVX2指令集的PaddlePaddle,可以解决该问题。

如果在这篇文章中没有得到您所遇到问题的解答时,请不要着急。我们将陆续推出问题答疑的内容~敬请期待~

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-12-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PaddlePaddle 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 报错输出:
  • 关键字:nvidia-docker cuda8.0 cudnn7
  • 问题描述:
相关产品与服务
容器镜像服务
容器镜像服务(Tencent Container Registry,TCR)为您提供安全独享、高性能的容器镜像托管分发服务。您可同时在全球多个地域创建独享实例,以实现容器镜像的就近拉取,降低拉取时间,节约带宽成本。TCR 提供细颗粒度的权限管理及访问控制,保障您的数据安全。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档