各位参加飞桨开发者，大家好，欢迎大家参加飞桨社区贡献！有一些小伙伴有意愿参与，但不知道如何开始，飞桨团队特地推出了本次热身打卡活动，从编译开始，熟悉飞桨框架开发~
参与热身打卡活动并按照邮件模板格式将截图发送至 ext_paddle_oss@baidu.com 。

热身打卡活动简介

在飞桨框架二次开发中，编译 paddle 是一个重要环节，也是很多任务（如API开发、算子性能优化、数据类型扩展等）的前置条件。本次热身打卡活动，要求参与者通过 github 拉取 PaddlePaddle/Paddle 仓库代码，并参考 源码编译教程 完成 paddle 编译，截图编译成功的界面后，参考如下格式向 ext_paddle_oss@baidu.com 发送邮件。

注：本次热身打卡活动对硬件没有要求！CPU/GPU 均可，赶快行动起来吧~也可 申请AI Studio开发资源～

编译流程

1. 增加时间戳

即在命令最开始加上time，以【Linux下从源码编译】文档的【使用Docker编译】为例，

【9.执行cmake】和【10.执行编译】增加时间戳的命令为：

• CPU版本的cmake：time cmake .. -DPY_VERSION=3.8 -DWITH_GPU=OFF
• GPU版本的cmake：time cmake .. -DPY_VERSION=3.8 -DWITH_GPU=ON
• 执行编译：time make -j$(nproc)，举例有4核，即time make -j4

2. 初次编译/二次编译

初次编译时间较长，二次编译因为有编译缓存的存在，时间会缩短，对日常开发来说，二次编译时间才是影响开发效率的。让我们来感受下修改不同文件的二次编译时间。

• 修改底层的头文件：paddle/fluid/platform/enforce.h
• 修改Op的cc文件：paddle/fluid/operators/rank_loss_op.cc
• 修改python文件：python/paddle/tensor/math.py

二次编译方式：对应文件加一个空行/空格保存退出后，然后执行编译命令time make -j$(nproc)，二次编译不再需要执行cmake。

3. 安装whl包

参考【Linux下从源码编译】文档的【使用Docker编译】中【11. 寻找whl包】和【12. 安装whl包】。

4. 运行单元测试

不同的编译选项，能编译出不同的功能，对应的编译时间也各不相同。可以参考编译选项表，尝试打开WITH_TESTING=ON编译出单元测试，并正确运行一个单测。

• 重新运行cmake命令：cmake .. -DPY_VERSION=3.8 -DWITH_GPU=OFF -DWITH_TESTING=ON（在原来的cmake命令后加入-DWITH_TESTING=ON）
• 执行编译命令make -j$(nproc)
• 安装第三方依赖pip3.8 install -r ../python/requirements.txt
• 进入build目录，运行单元测试：参考【飞桨API python端开发指南】之【运行单元测试】，执行ctest -R test_logsumexp运行logsumexp的单测。

邮件格式

标题： [Hackathon 热身打卡]

内容：

飞桨团队你好，

【GitHub ID】：XXX

【打卡内容】：初次编译/二次编译/安装whl包/运行单元测试

【打卡截图】：

如：

标题： [Hackathon 热身打卡]

内容：

飞桨团队你好，

【GitHub ID】：paddle-hack

【打卡内容】：初次编译&二次编译&安装whl包&运行单元测试

【打卡截图】：

硬件
编译方式	参考【Linux下从源码编译】文档的【使用Docker编译】（源码编译文档 有多种编译方式，请大家填写本次编译参考的文档）
cmake命令和时间	命令：time cmake .. -DPY_VERSION=3.8 -DWITH_GPU=OFF 时间：注意要将commit号截图进来哦
初次编译命令和时间	命令：time make -j20 （写一下大家用几核哦） 时间：以下时间仅作为示例，不代表真实的初次编译时间
二次编译时间	时间：以下时间仅作为示例，不代表真实的二次编译时间 paddle/fluid/platform/enforce.h paddle/fluid/operators/rank_loss_op.cc python/paddle/tensor/math.py
安装whl包
运行单元测试

优秀作品

• 如何在VSCode中“优雅”地配置CMake —— 以PaddlePaddle为例 @LittleHeroZZZX
• 使用 Docker 从源码编译 PaddlePaddle with NVIDIA GPU @Albresky
• 【利用 AI Studio 完成 PaddlePaddle 编译】2024 版 @Marcusryz
• 常见IDE利用Docker完美查看Paddle源码跳转 @sanbuphy

参与飞桨框架贡献

如果你已经顺利完成了打卡，具备了基础的框架开发知识，你就可以参与飞桨社区丰富的开发任务，为一个大型开源项目做贡献，同时收获飞桨社区开发者的认可与各种福利。传送门：

• Call for Contributions