.. role:: raw-html-m2r(raw) :format: html

Windows 环境下编译适用于 Windows 的库

简介

本文介绍在 Windows 操作系统环境下，如何将 Paddle Lite 源代码编译生成 Windows 平台的预测库。

..

说明：

• 通常情况下，你不需要自行从源码构建编译包，优先推荐\ 下载Paddle Lite官方发布的预编译包 <../quick_start/release_lib.html>_\ ，可满足一部分场景的需求。如果官方发布的编译包未覆盖你的场景，或者需要修改Paddle Lite源代码，则可参考本文构建。
• 本文适用于 release/v2.9 及以上版本，面向对源代码有修改需求的开发者。目前只支持 x86 架构 CPU 的 Windows 操作系统平台，CPU需同时支持 AVX 及 FMA 指令集。

在该场景下 Paddle Lite 已验证的软硬件配置如下表所示：

.. list-table:: :header-rows: 1

• ---

  • 本机环境
  • 目标硬件环境
• • 操作系统
  • Windows 10\ :raw-html-m2r:
  • Windows 10\ :raw-html-m2r:
• • 芯片层
  • x86 CPU 架构
  • x86 CPU 架构

准备编译环境

推荐环境 ^^^^^^^^^^^^

• Windows 10 专业版
• CMake >= 3.15
• Python == 2.7/3.5.1+
• pip/pip3 >= 9.0.1
• Microsoft Visual Studio >= 2015版本

环境配置步骤 ^^^^^^^^^^^^^^^^

#. CMake 需要 3.15 版本, 可在官网\ 下载 <https://cmake.org/download/>_ Windows 版本，并添加到环境变量中。 #. Python 需要 2.7 及以上版本, 可在官网\ 下载 <https://www.python.org/downloads/windows/>\ 。 #. Git 可以在官网\ 下载 <https://gitforwindows.org/>\ ，并添加到环境变量中。 #. Visual Studio 请在官网\ 下载 <https://visualstudio.microsoft.com/zh-hans/downloads/>_\ 所需版本。

编译

编译步骤 ^^^^^^^^^^^^

1、 下载代码

.. include:: include/download_code.rst

2、 编译 Paddle Lite Windows 预测库

.. code-block:: dos

lite\tools\build_windows.bat

..

说明： 编译过程中，如出现源码编译耗时过长，通常是第三方库下载过慢或失败导致。请在完成 Paddle Lite 源码下载后，删除本地仓库根目录下的 third-party 目录，编译脚本会自动下载存储于国内 CDN 的第三方依赖文件压缩包，节省从 GitHub repo 同步第三方库的时间。

编译参数说明 ^^^^^^^^^^^^^^^^

build_windows.bat 编译参数详细说明如下。

.. list-table:: :header-rows: 1

• • 参数
  • 说明
• • without_log
  • 编译不带日志的预测库（默认带日志）
• • without_python
  • 不编译 Python 预测库
• • with_extra
  • 编译完整算子的预测库（当编译 Python 预测库时，默认编译包含完整算子预测库)，详情可参考\ 预测库说明 <./library.html>_\ 。
• • with_profile
  • 支持逐层耗时分析
• • with_precision_profile
  • 支持逐层精度分析
• • build_x86
  • 编译 Windows 32位预测库（默认为 Windows 64位）
• • with_static_mkl
  • 静态链接 Intel(R) MKL 加速库
• • with_dynamic_crt
  • 动态链接 MSVC Rumtime 即 MD_DynamicRelease
• • with_opencl
  • 开启 OpenCL，编译出的预测库支持在 GPU 上运行（默认编译的预测库仅在 CPU 上运行)
• • use_ninja
  • 使用 Ninja <https://ninja-build.org/>_ 构建系统（默认使用 vs2015 的 MSBuild 构建方案，添加上此编译选项使用 Ninja 编译构建)
• • use_vs2017
  • 使用 vs2017 构建系统（默认使用 vs2015 的构建方案，添加上此编译选项使用 vs2017 编译构建)
• • use_vs2019
  • 使用 vs2019 构建系统（默认使用 vs2015 的构建方案，添加上此编译选项使用 vs2019 编译构建)
• • without_avx
  • 使用 AVX/SSE 指令对 x86 Kernel 进行加速
• • with_kunlunxin_xpu
  • 使用昆仑芯 XPU kernel 进行加速
• • kunlunxin_xpu_sdk_root
  • 启用 with_kunlunxin_xpu 时，需要添加昆仑芯 XPU 的 Windows 产出包的相关路径

编译脚本使用示例 ^^^^^^^^^^^^^^^^^^^^

编译 Windows 平台不带日志 32 位的预测库

.. code-block:: dos

lite\tools\build_windows.bat without_log build_x86

验证编译结果

编译结果位于 build.lite.x86\inference_lite_lib

详细内容如下：

1、 cxx\ 文件夹：包含 c++ 的库文件与相应的头文件

• include ： 头文件

• lib ： 库文件

  • 静态库文件：

    • libpaddle_api_full_bundled.lib ：full_api 静态库
    • libpaddle_api_light_bundled.lib ：light_api 静态库

2、 third_party 文件夹：依赖的第三方预测库 mklml

• mklml ： Paddle Lite 预测库依赖的 mklml 数学库

3、 demo\cxx\ 文件夹：C++ 示例 demo

• mobilenetv1_full ：使用 full_api 执行 mobilenet_v1 预测的 C++ demo
• mobilenetv1_light ：使用 light_api 执行 mobilenet_v1 预测的 C++ demo

4、 demo\python\ ： Python 示例 demo

• mobilenetv1_full_api.py\ ：使用 full_api 执行 mobilenet_v1 预测的 Python demo
• mobilenetv1_light_api.py\ ：使用 full_api 执行 mobilenet_v1 预测的 Python demo

5、 python\ 文件夹：包含 Python 的库文件和对应的 .whl 包

• install\ 文件夹：编译成功的 .whl 包位于\ install\dist\*.whl
• lib\ 文件夹：.whl 包依赖的库文件