如果用户不使用Ascend Docker Runtime组件，Ascend Device Plugin只会帮助用户挂载“/dev”目录下的设备。其他目录（如“/usr”）用户需要自行修改YAML文件，挂载对应的驱动目录和文件。容器内挂载路径和宿主机路径保持一致。

因为Atlas 200I SoC A1 核心板场景不支持Ascend Docker Runtime，用户也无需修改YAML文件。

操作步骤

获取相应的YAML文件。

表1 YAML说明
任务类型	硬件型号	YAML名称	获取链接
Deployment	Atlas 推理系列产品	infer-deploy-dynamic.yaml	获取YAML
Volcano Job	Atlas 推理系列产品	infer-vcjob-dynamic.yaml	获取YAML

将YAML文件上传至管理节点任意目录，并根据实际情况修改文件内容。

在Atlas 推理系列产品上，以infer-deploy-dynamic.yaml为例，申请1个AI Core的参数配置示例如下。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: resnetinfer1-1-deploy
  labels:
    app: infers
spec:
  replicas: 1
  selector:
    matchLabels:
      app: infers
  template:
    metadata:
      labels:
        app: infers
        fault-scheduling: "grace"           # 重调度所使用的label
         # 以下参数说明请参见表infer-deploy-dynamic.yaml参数说明
        ring-controller.atlas: ascend-310P 
        vnpu-dvpp: "null"         
        vnpu-level: "low"           
    spec:
      schedulerName: volcano              # 需要使用MindCluster的调度器Volcano
      nodeSelector:
        host-arch: huawei-arm
      containers:
        - image: ubuntu-infer:v1   # 示例镜像
...

          resources:
            requests:
              huawei.com/npu-core: 1        # 使用静态虚拟化的vir01模板动态虚拟化NPU
            limits:
              huawei.com/npu-core: 1        # 数值与requests保持一致

表2 infer-deploy-dynamic.yaml参数说明
参数	取值	说明
vnpu-level	low	低配，默认值，选择最低配置的虚拟化实例模板。
vnpu-level	high	性能优先。在集群资源充足的情况下，将选择尽量高配的虚拟化实例模板；在整个集群资源已使用过多的情况下，如大部分物理NPU都已使用，每个物理NPU只剩下小部分AI Core，不足以满足高配虚拟化实例模板时，将使用相同AI Core数量下较低配置的其他模板。具体选择请参考虚拟化规则章节中的“虚拟化模板”。
vnpu-dvpp	yes	该Pod使用DVPP。
	no	该Pod不使用DVPP。
	null	默认值，不关注是否使用DVPP。
ring-controller.atlas	ascend-310P	任务使用Atlas 推理系列产品的标识。

vnpu-level和vnpu-dvpp作用后，选择的vNPU模版可参考表3。

表3 dvpp和level作用结果
AI Core请求数量	vnpu-dvpp	vnpu-level	是否降级	选择模板
1	null	任意值	-	vir01
2	null	low/其他值	-	vir02_1c
	null	high	否	vir02
	null	high	是	vir02_1c
4	yes	low/其他值	-	vir04_4c_dvpp
	no			vir04_3c_ndvpp
	null			vir04_3c
	yes	high	- -	vir04_4c_dvpp
	no		- -	vir04_3c_ndvpp
	null		否	vir04
	null		是	vir04_3c
8或8的倍数	任意值	任意值	-	-

AI Core的申请数量为8或8的倍数，表示使用整张NPU卡。

挂载权重文件。

...
              ports:     # 分布式训练集合通信端口
                - containerPort: 2222      
                  name: ascendjob-port      
              resources:
                limits:
                  huawei.com/Ascend310P: 1   # 申请的芯片数
                requests:
                  huawei.com/Ascend310P: 1   #与limits取值一致
              volumeMounts:
...
                  # 权重文件挂载路径
                - name: weights                  
                  mountPath: /path-to-weights
...
          volumes:
...
            # 权重文件挂载路径
            - name: weights
              hostPath:
                path: /path-to-weights  # 共享存储或者本地存储路径，请根据实际情况修改
...

/path-to-weights为模型权重，需要用户自行准备。mindie镜像可以参考镜像中$ATB_SPEED_HOME_PATH/examples/models/llama3/README.md文件中的说明进行下载。

修改所选YAML中的容器启动命令，如下加粗部分，如果没有则添加“command”字段。

...
      containers:
      - image: ubuntu-infer:v1
...
        command: ["/bin/bash", "-c", "cd $ATB_SPEED_HOME_PATH; python examples/run_pa.py --model_path /path-to-weights"]
        resources:
          requests:
...

准备任务YAML

操作步骤