文章目录
平台硬件配置基本指令1. 显卡npu相关1.1 显示npu1.2 指定使用的npu1.3 显示0卡的利用率2. cpu相关3. python相关4. 其他指令4.1 网卡
操作记录1. 长时间保持SSH会话连接不断开2. 环境检查3. 驱动和固件安装4. docker安装5. docker获取6. 镜像使用7. 容器内安装第三方依赖8. 容器内安装miniconda及依赖环境9. vscode连接华为服务器
平台硬件配置
NPU: 8 × Ascend 910ProB 32Gaarch64 （uname -m， ARM64位架构，ARMv8-a）
昇腾910B，对标NVDIA A100/A800 64G Atlas 300系列， 对标NVDIA T4
基本指令
1. 显卡npu相关
1.1 显示npu
npu-smi info
显示npu类型为910ProB。
1.2 指定使用的npu
export ASCEND_RT_VISIBLE_DEVICES=0
1.3 显示0卡的利用率
npu-smi info -t usages -i 0
2. cpu相关
cat /proc/cpuinfo
CPU implementer 是 CPU 厂商，其中 0x48 对应的是华为海思。
3. python相关
服务器内支持一些python的基本指令，包含3.7的系统默认python。
4. 其他指令
4.1 网卡
ip addr
查看网卡的IP地址和路由
hccn_tool -i 3 -ip -g
操作记录
1. 长时间保持SSH会话连接不断开
使用SSH方式登录操作服务器，过一段时间不操作就会自动断开连接，比较麻烦。 操作方式 编辑/etc/ssh/sshd_config文件设置心跳，保持连接。添加配置项：
ClientAliveInterval 60
ClientAliveCountMax 10
ClientAliveInterval 60 表示每60秒发送一次请求， 从而保持连接。ClientAliveCountMax 10 表示服务器发出请求后客户端没有响应的次数达到10次，就自动断开连接。则无响应的SSH客户端将在大约60x10=600秒后断开连接。 直接在配置文件中改就可以，不需要重新添加。默认为300和0。 按照上述设置，时间稍长也会断开，213服务器上的设置，可以按照这个值进行修改。
参考链接：https://support.huaweicloud.com/trouble-ecs/ecs_trouble_0306.html
2. 环境检查
检查NPU是否正常在位可执行lspci | grep d801命令 系统版本查看
uname -m && cat /etc/*release
aarch64的ARM架构，EulerOS系统与CentOS的操作相似，使用yum。
3. 驱动和固件安装
由于服务器执行npu-smi info命令可以正常显示npu信息，故不需要安装驱动和固件。 如果不能正常显示，需要再昇腾社区的“固件与驱动”下载页面下载配套产品的固件驱动软件。 驱动安装方式如下
./Ascend-hdk-910-npu-driver_23.0.rc1_linux-x86-64.run --full --install-for-all
默认的安装路径在/usr/local/Ascend，安装成功后会提示这样的回显信息
Driver package installed successfully!
4. docker安装
参考链接：https://www.hiascend.com/document/detail/zh/quick-installation/23.0.RC2/quickinstg/800_9010/quickinstg_800_9010_0035.html 由于服务器是EulerOS系统，安装使用yum而不是apt。 安装docker
yum install -y docker
执行上述操作后，可以使用docker的命令。 如果没有启动，执行命令systemctl start docker启动Docker。
docker version
执行docker version可以看到相应的版本信息。
5. docker获取
从AscendHub中的训练镜像选择pytorch-modelzoo。训练镜像中也包含基于TensorFlow和MX等框架的训练镜像，以及MindSpore镜像。 根据版本配套，选择最新的23.0.RC2-1.11.0，Pytorch版本1.11.0，CANN版本6.3.RC2。 在对应的镜像版本中，选择对应的版本进行下载，需要登录，登录后出现如下弹框进行镜像的拉取和构建。 通过登录、密码的输入后，便可docker pull进行镜像的拉取。 拉取成功后，获得一个12.6G的镜像。
6. 镜像使用
参考链接：https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/dit/dit_0004.html
由于使用的是npu，而非NVDIA的GPU，在容器的建立上，不能再使用--gpus all的指令把显卡添加至镜像中，需要使用–device=/dev/davinci0 … 把每个训练卡添加至创建的容器内。指引中要手动输入每一张卡，不知道有没有类似all的方式直接全部加入。 /dev/下确实存在davincic0-7的设备。
docker run -it -u root --name train_env_smw --shm-size=256g --device=/dev/davinci0 --device=/dev/davinci1 --device=/dev/davinci2 --device=/dev/davinci3 --device=/dev/davinci4 --device=/dev/davinci5 --device=/dev/davinci6 --device=/dev/davinci7 --device=/dev/davinci_manager --device=/dev/devmm_svm --device=/dev/hisi_hdc -v /usr/local/Ascend/driver:/usr/local/Ascend/driver -v /usr/local/Ascend/add-ons/:/usr/local/Ascend/add-ons/ -v /usr/local/sbin/:/usr/local/sbin/ -v /var/log/npu/conf/slog/slog.conf:/var/log/npu/conf/slog/slog.conf -v /var/log/npu/slog/:/var/log/npu/slog -v /var/log/npu/profiling/:/var/log/npu/profiling -v /var/log/npu/dump/:/var/log/npu/dump -v /var/log/npu/:/usr/slog -v /root:/home/data swr.cn-south-1.myhuaweicloud.com/ascendhub/pytorch-modelzoo:23.0.RC2-1.11.0 /bin/bash
容器内，默认/usr/local/python3.7.5/bin/pippython环境使用python3.7.5，并且安装有torch、opencv等环境，但现有开源项目大多依赖于python3.8及以上，不考虑使用默认python环境进行环境搭建。
7. 容器内安装第三方依赖
容器内是Linux系统
apt-get update
apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev openssl libsqlite3-dev libssl-dev libffi-dev unzip pciutils net-tools libblas-dev gfortran libblas3
8. 容器内安装miniconda及依赖环境
由于服务器的CPU是aarch64的架构，镜像内需要安装miniconda。【Anaconda只适用于X86的架构，而且一般在容器内也是优先安装miniconda】 https://docs.anaconda.com/miniconda/ miniconda包含支持aarch64架构的软件。 a. 获取Miniconda安装包，并进行安装
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
# 防止环境变量冲突
unset PYTHONPATH
unset PYTHONHOME
rm -rf ~/.condarc # 如需重新安装
bash Miniconda3-latest-Linux-aarch64.sh -b -u -p /miniconda
b. Pytorch安装 https://repo.huaweicloud.com/kunpeng/archive/Ascend/PyTorch/ b.1 选择对应python版本的pytorch(aarch64)，并进行安装
wget https://download.pytorch.org/whl/torch-1.11.0-cp38-cp38-manylinux2014_aarch64.whl
pip install torch-1.11.0-cp38-cp38-manylinux2014_aarch64.whl
b.2 安装昇腾提供的PyTorch适配插件torch_npu
参考链接https://www.hiascend.com/document/detail/zh/Pytorch/60RC1/configandinstg/instg/insg_0007.html#ZH-CN_TOPIC_0000001889768593__zh-cn_topic_0000001800921750_zh-cn_topic_0000001731730474_table32764194379
下载并安装对应版本的torch_npu
wget https://gitee.com/ascend/pytorch/releases/download/v6.0.rc1-pytorch1.11.0/torch_npu-1.11.0.post11-cp38-cp38-linux_aarch64.whl
pip install torch_npu-1.11.0.post11-cp38-cp38-linux_aarch64.whl
b.3 安装torchvision
pip install torchvision==0.12.0
b.4 验证Pytorch安装是否成功
python3 -c "import torch;import torch_npu;print(torch_npu.npu.is_available())"
返回True说明安装成功。显示ASCEND_HOME_PATH环境变量没有设置。 c. APEX混合精度模块安装(可选) APEX混合精度模块是一个集优化性能、精度收敛于一身的综合优化库，可以提供不同场景下的混合精度训练支持。
apt-get install -y patch build-essential libbz2-dev libreadline-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev liblzma-dev m4 dos2unix libopenblas-dev git
gcc版本需要7.50以上，cmake版本需要3.12.0以上。容器内gcc版本满足要求，但cmake版本不满足要求，需要升级cmake版本。 下载cmake，解压，软链接,环境变量一气呵成。
wget https://cmake.org/files/v3.26/cmake-3.26.6-linux-aarch64.tar.gz
tar zxvf cmake-3.26.6-linux-aarch64.tar.gz
cd cmake-3.26.6-linux-aarch64/bin
ln cmake /usr/bin/cmake
vi ~/.bashrc
PATH=/opt/cmake-3.26.6-linux-aarch64/bin:$PATH
source ~/.bashrc
确保已安装PyTorch框架且setuptools版本小于等于65.7.0
pip install setuptools==65.7.0
获取昇腾适配的APEX源码，并进行编译。
git clone -b master https://gitee.com/ascend/apex.git
cd apex
bash scripts/build.sh --python=3.8
cd apex/dist/
pip install apex-0.1+ascend-cp38-cp38-linux_aarch64.whl
9. vscode连接华为服务器
使用最新高版本的vscode连接华为服务器，会出现你已连接到不受Visual Studio Code支持的OS 版本，较低版本的vscode连接华为服务器，可能会出现一直连接不上的问题。 原因是vscode更新到1.86版本后要求远程连接服务器的内核版本和库版本需要符合下面条件。 因此，将vscode版本更换为1.85版本最高效。更换后，可以正常使用。