OriginDL: 从零开始构建的分布式深度学习框架

TODO

• numCpp ArrayFire

• 自动求导

• 卷积

• 支持 GPU

• 分布式

build

source setEnv.sh  # 设置环境变量
./build.sh
# 在 build/libs 下生成 origindl.so
# 在 build/bin/ 下生成所有的测试程序

ArrayFire 配置说明

本项目使用 ArrayFire 库进行张量操作。以下是配置和使用 ArrayFire 的说明。

环境变量设置

项目使用环境变量 ARRAYFIRE_PATH 来指定 ArrayFire 的安装路径。您可以通过以下方式设置此环境变量：

方法一：使用 setEnv.sh 脚本

项目提供了 setEnv.sh 脚本，默认将 ArrayFire 路径设置为 /opt/arrayfire：

source setEnv.sh

方法二：手动设置环境变量

如果您的 ArrayFire 安装在其他位置，可以手动设置环境变量：

export ARRAYFIRE_PATH=/path/to/your/arrayfire
export LD_LIBRARY_PATH=${ARRAYFIRE_PATH}/lib64:$LD_LIBRARY_PATH

运行测试

编译成功后，可以运行测试程序：

./build/bin/dl_variable
./build/bin/dl_function
./build/bin/dl_backward
./build/bin/dl_numericalDiff

ArrayFire 后端选择

ArrayFire 支持多种计算后端（CPU、CUDA、OpenCL）。默认情况下，ArrayFire 会自动选择可用的最佳后端。您可以通过以下方式显式指定后端：

// 在代码中设置后端
af::setBackend(AF_BACKEND_CPU);    // 使用 CPU 后端
af::setBackend(AF_BACKEND_CUDA);   // 使用 CUDA 后端
af::setBackend(AF_BACKEND_OPENCL); // 使用 OpenCL 后端

或者通过环境变量设置：

export AF_BACKEND=CPU    # 使用 CPU 后端
export AF_BACKEND=CUDA   # 使用 CUDA 后端
export AF_BACKEND=OPENCL # 使用 OpenCL 后端