环境准备

#用于设置python3.7.5库文件路径
export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
#如果用户环境存在多个python3版本，则指定使用python3.7.5版本
export PATH=/usr/local/python3.7.5/bin:$PATH

Python3.7.5安装路径请根据实际情况进行替换，您也可以将以上命令写入~/.bashrc文件中，然后执行source ~/.bashrc命令使其立即生效。

• MindSpore：

  请参考MindSpore官网安装MindSpore框架。

• PyTorch：
  • 请参考《CANN软件安装指南》的“安装PyTorch”章节编译安装PyTorch1.5.0框架。
  • 安装Torchvision依赖，可参考以下方法进行安装：
    • 在x86_64架构下安装Torchvision包：

      pip3 install --user torchvision==0.6.0

    • 在arrch64架构下先从azureology/torchvision下载源码，执行以下命令安装0.6.0版本的Torchvision包：

      python3 setup.py install

  • 若PyTorch下需要统计模型的参数量信息，则执行如下命令安装依赖thop：

    pip3 install --user thop

• TensorFlow：

  请参考《CANN 软件安装指南》安装tfplugin框架插件包和TensorFlow。

请注意CANN版本与MindSpore、PyTorch和TensorFlow的版本配套关系。

source {CANN包安装路径}/ascend-toolkit/set_env.sh
source {CANN包安装路径}/tfplugin/set_env.sh    #安装tfplugin时需要配置

#以下为单卡训练时的配置，请根据实际环境和需求配置
export DEVICE_ID=0  #单卡训练使用的device_id

#以下6项为多卡训练时的配置，请根据实际环境和需求改动
export RANK_ID=0   #指定调用卡的逻辑ID
export RANK_SIZE=8    #指定调用卡的数量
export RANK_TABLE_FILE=多卡环境组网信息json文件所在路径  #从多卡环境组网信息json文件中选择要使用的device_id
export NPU_VISIBLE_DEVICES=0,1,2,3,4,5,6,7   #执行多卡任务时需要使用的device_id
export DEVICE_ID=0    #执行多卡训练任务时单卡阶段指定使用的device_id
export TF_CPP_MIN_LOG_LEVEL=3   #该项可控制TF框架本身日志级别的打印，0-DEBUG，1-INFO，2-WARNING，3-ERROR

如果训练服务器中没有多卡环境组网信息json文件，请参见配置分布式环境变量在训练服务器上生成多卡环境组网信息json文件。当运行任务的用户为普通用户时，需要保证普通用户对该文件有可读权限。

source {CANN包安装路径}/ascend-toolkit/set_env.sh

export install_path={CANN包安装路径}/ascend-toolkit/latest
export DDK_PATH=${install_path}   #评估服务编译时使用
export NPU_HOST_LIB=${install_path}/{arch-os}/devlib    #评估服务编译时使用