快速上线

准备安装环境

• 安装依赖前确保服务器能够连接外网，已配置可用的软件源和pip源。如果需要更换软件源可参考检查源，配置pip源可参考配置pip源。
• 安装驱动前需要创建驱动运行用户HwHiAiUser（运行驱动进程的用户），安装驱动时无需指定运行用户，默认即为HwHiAiUser。

  groupadd HwHiAiUser
  useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser -s /bin/bash

下载软件

下载本软件即表示您同意华为企业业务最终用户许可协议（EULA）的条款和条件。

若用户需要查询昇腾软件版本配套关系，可单击链接进行查询。

上传安装包并添加权限

1. 将下载的安装包上传至服务器任意目录（以“/home”为例）。
2. 给安装包添加权限。

   chmod +x Ascend-hdk-910-npu-driver_23.0.rc3_linux-aarch64.run
   chmod +x Ascend-hdk-910-npu-firmware_7.0.0.5.242.run
   chmod +x Ascend-cann-toolkit_7.0.RC1_linux-aarch64.run
   chmod +x Ascend-cann-kernels-910_7.0.RC1_linux.run

安装NPU驱动固件

执行uname -r命令查看操作系统内核版本：

• 如果内核版本在“二进制安装”安装方式对应的版本范围内，则可以直接安装NPU驱动固件。
• 如果内核版本为“源码编译安装”安装方式对应的版本则需要先参见安装驱动源码编译所需依赖安装驱动源码编译所需的依赖，再安装NPU驱动固件。

# 安装NPU驱动 
./Ascend-hdk-910-npu-driver_23.0.rc3_linux-aarch64.run --full --install-for-all
# 安装NPU固件
./Ascend-hdk-910-npu-firmware_7.0.0.5.242.run --full
# 重启OS
reboot

物理机安装

1. 安装依赖。
   安装依赖以Ubuntu 20.04为例，其他操作系统安装依赖方法请参见安装依赖。

   # 安装OS依赖
   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 libopenblas-dev
   
   # 安装Python3依赖
   apt-get install -y python3-pip
   pip3 install --upgrade pip
   pip3 install attrs cython numpy decorator sympy cffi pyyaml pathlib2 psutil protobuf scipy requests absl-py

2. 安装CANN。

   # 在/home目录下执行如下命令安装
   ./Ascend-cann-toolkit_7.0.RC1_linux-aarch64.run --install --install-for-all --quiet
   # 执行如下命令配置环境变量。若需要设置环境变量永久生效，可在~/.bashrc文件最后一行后面添加以下命令，执行source ~/.bashrc命令
   source /usr/local/Ascend/ascend-toolkit/set_env.sh
   
   # 训练场景下须安装二进制算子包，二进制算子包依赖CANN软件包Toolkit，执行安装时，当前环境需已安装配套版本的Toolkit，并使用同一用户安装，xxx表示昇腾处理器
   ./Ascend-cann-kernels-910_7.0.RC1_linux.run --install --install-for-all --quiet

3. 安装PyTorch深度学习框架。

   # 安装PyTorch环境依赖
   pip3 install wheel typing_extensions
   
   # 安装PyTorch 
   # 安装torch包，以PyTorch 1.11.0为例
   wget https://download.pytorch.org/whl/torch-1.11.0-cp37-cp37m-manylinux2014_aarch64.whl
   pip3 install torch-1.11.0-cp37-cp37m-manylinux2014_aarch64.whl
   
   # 安装PyTorch插件torch_npu
   wget https://gitee.com/ascend/pytorch/releases/download/v5.0.rc3-pytorch1.11.0/torch_npu-1.11.0.post4-cp37-cp37m-linux_aarch64.whl
   pip3 install torch_npu-1.11.0.post4-cp37-cp37m-linux_aarch64.whl
   
   # 安装对应框架版本的torchvision，PyTorch 1.11.0需安装0.12.0版本，PyTorch 2.0.1版本需安装0.15.2版本，PyTorch 2.1.0版本需安装0.16.0版本
   pip3 install torchvision==0.12.0

4. 参见安装APEX混合精度模块安装APEX混合精度模块。
5. （可选）运行样例。

   软件安装完成后，可以运行模型样例验证环境是否可用。

   单击链接，单击“Download”获取Tiny ImageNet小型数据集（archive.zip）。若没有账号，请用户自行注册。

   在服务器任意目录下执行如下命令（以“/home”为例）。

   # 安装git工具
   apt-get install -y git
   
   # 获取模型脚本并进入“模型代码目录”
   git config --global http.sslVerify "false"
   git clone https://gitee.com/ascend/ModelZoo-PyTorch.git
   cd ModelZoo-PyTorch/PyTorch/contrib/cv/classification/MobileNetV3_large_100_for_PyTorch
   
   # 将数据集上传至当前目录（模型代码目录）并解压
   unzip archive.zip
   
   # 安装依赖
   pip3 install -r requirements.txt
   pip3 install git+https://github.com/rwightman/pytorch-image-models.git
   
   # 在当前目录（模型代码目录）执行如下命令运行训练脚本
   bash ./test/train_full_1p.sh --data_path=./tiny-imagenet-200
   # 用户可在模型训练过程中重新打开一个窗口，在“模型代码目录/test/output/0”目录下执行tail -f 日志文件名命令实时查看训练日志

容器安装

• 请确保安装环境能够连接网络。
• 请确保宿主机已安装Docker（可执行docker version查询）。若未安装，请参见部署Docker安装。

1. 单击容器镜像链接，进入昇腾镜像仓库。
2. 获取镜像。
   1. 登录AscendHub。如图1所示。
      图1 登录AscendHub
      
   2. 选择“镜像版本”页签，下载对应版本的容器镜像，单击“立即下载”。如图2所示。
      图2 下载容器镜像
      
   3. 弹出“镜像下载须知”弹窗，阅读并同意后，单击“立即下载”。如图3所示。
      图3 镜像下载须知
      
   4. 根据弹出的下载页面提示，复制获取权限命令，在宿主机上执行命令。
      图4 镜像下载
      
   5. 复制下载镜像命令，然后在宿主机执行命令拉取镜像。

3. 选择“镜像概述”页签，根据概述中的操作步骤启动容器。