实验环境

• 设备：A800-3010 边缘服务器
• 操作系统: OpenEuler22.03
• 主板: BC82AMDYB
• 4张Atlas 300I Duo

按照教程，先安装了驱动
Ascend-hdk-310p-npu-driver_24.1.0.1_linux-aarch64.run

然后安装固件
Ascend-hdk-310p-npu-firmware_7.5.0.5.220.run

全部安装在root用户上，全量。

问题

在root用户下，运行npu-smi info的时候报错：

DrvMngGetConsoleLogLevel failed. (g_conLogLevel=3)
dcmi module initialize failed. ret is -8005

尝试查看ll /dev | grep davinci并没有展示出设备（正常应该是会有davinci0到davinci7的）

解决方案

卸载驱动，安装内核，然后重新安装驱动（严格流程是这样的，但是为了排版好看我调整了下命令顺序...）

dnf install gcc gcc-c++ make kernel-devel-(uname -r) kernel-headers-(uname -r) glibc-devel glibc-headers elfutils-libelf-devel -y

./Ascend-hdk-310p-npu-driver_24.1.0.1_linux-aarch64.run --uninstall
./Ascend-hdk-310p-npu-driver_24.1.0.1_linux-aarch64.run --full --install-for-all

一些经验

之前是在Ubuntu22.04系统上装的同样的一套配置，安装完后起了一套mindie，跑qwen蒸馏的R1 14B模型，正常运行了一个多月没有问题。

后来因为重启了一次设备，发现Ubuntu系统下的设备无法进入系统（尝试了很多次，尝试了已知的所有方式并没有解决），遂重装系统。

后改用了openEuler，没有了卡启动的问题了，但是遇到了现在这个问题。

现在的环境下没有跑任何东西，单纯放了两天

补充

我看到很多解决方案关于温度过高的，我这里通过iBMC查看设备的温度大多都在20到30之间，最高的也没有超过40度的。

通过命令查看Linux温度也没有很高

cat /sys/class/thermal/thermal_zone0/temp
32400

后来又遇到了一个有一张300I Duo卡没有被识别到的问题，找到没识别到的卡后，调换了下位置解决了（物理）