运行环境要求
- 安装前，请确保Linux操作系统版本与架构符合下表中的要求且系统内存容量必须大于或等于32G。
表1 硬件架构与对应操作系统版本 硬件形态
操作系统版本
Atlas 800 训练服务器（型号：9000）
Ubuntu 18.04.1
Atlas 800 训练服务器（型号：9010）
Ubuntu 18.04.1
Atlas 800 推理服务器（型号：3000） + Atlas 300T 训练卡（型号：9000）
Ubuntu 18.04.1
Atlas 800 推理服务器（型号：3010） + Atlas 300T 训练卡（型号：9000）
Ubuntu 18.04.1
- 可通过如下命令，查询正在运行的操作系统版本和操作系统架构。
uname -m && cat /etc/*release
- 使用如下指令检查是否安装Python环境。
python3.9 --version
- 确保环境已成功安装CANN开发套件包（6.0.1版本），安装流程及开发套件包获取请参见《CANN 软件安装指南》。
- 环境中软件包参考列表如表2所示，可使用pip3 list命令查看。
表2 环境软件包及对应版本 组件
版本
组件
版本
numpy
≥ 1.17.0，≤1.23.5
easydict
≥ 1.9
protobuf
≥ 3.13.0，≤ 3.20.1
psutil
≥ 5.7.0
asttokens
≥ 1.1.13
sympy
≥ 1.4
pillow
== 9.2.0
pyyaml
≥ 6
scipy
≥ 1.5.2
pathlib2
≥ 2.3.6
cffi
≥ 1.12.3
grpcio
≥ 1.43.0
wheel
≥ 0.32.0
grpcio-tools
≥ 1.43.0
decorator
≥ 4.4.0
requests
≥ 2.26.0
setuptools
≥ 40.8.0
xml-python
≥ 0.4.3
matplotlib
≥ 3.1.3
python-Levenshtein
≥ 0.12.2
opencv-python
≥ 4.1.2.26
seaborn
≥ 0.11.1
scikit-learn
≥ 1.0.1
tqdm
≥ 4.62.3
pandas
≥ 1.3.5
cython
≥ 0.29.26
astunparse
≥ 1.6.3
defusedxml
≥ 0.7.1
packaging
≥ 20.0
yapf
≥ 0.32.0
pycocotools
≥ 2.0.3
mindspore-ascend
≥ 1.7.0
pydantic
≥ 1.8.2
-
-
- 获取依赖源码。
获取完成后，需设置环境变量 “MINDSPORE_CODE_PATH”为 “models-r1.2/official/cv”。
并且用户需保证“models-r1.2/official/cv”目录下所有文件的权限不高于“640”。
- 解压打包好的模型，增加后缀“--no-same-owner”，保证解压后目前权限不变化。
tar -zxvf Ascend-mindxsdk-mxtraining_{version}_linux.tar.gz --no-same-owner - 获取依赖预训练模型，获取方式及各模型对应的放置路径请参见表4。