--- title: rec_sdk-tf1 description: 昇腾社区是基于昇腾系列处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，包括昇腾系列处理器、系列硬件、CANN异构计算架构、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链。 keywords: 公开,样例使用介绍,容器内配套指南,使用前提,启动容器,样例介绍,DLRM,FAQ url: https://www.hiascend.com/developer/ascendhub/detail/rec_sdk-tf1 section: (其他) --- # rec_sdk-tf1 URL: https://www.hiascend.com/developer/ascendhub/detail/rec_sdk-tf1 描述: 昇腾社区是基于昇腾系列处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，包括昇腾系列处理器、系列硬件、CANN异构计算架构、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链。 关键词: 公开,样例使用介绍,容器内配套指南,使用前提,启动容器,样例介绍,DLRM,FAQ 昇腾镜像仓库 [了解详情](https://www.hiascend.com/developer/ascendhub) rec_sdk-tf1 ## rec_sdk-tf1公开 最新版本：7.2.RC1-arm2025/11/27更新大小：7 GB发布者：Ascend249次下载 5.0 推荐 镜像概述 镜像下载 镜像概述 镜像下载 ... # 样例使用介绍 ## 容器内配套指南 | 软件 | 版本 | 下载链接 | | --- | --- | ---| | Rec SDK | 7.2.RC1 | https://gitcode.com/Ascend/RecSDK/releases/7.2.RC1 | | CANN | 8.3.RC1 | https://www.hiascend.com/developer/download/community/result?module=tf+cann&tf=8.3.RC1&cann=8.3.RC1 | | TensorFlowAdapter | 8.3.RC1 | https://gitee.com/ascend/tensorflow/releases/tag/tfa_v0.0.44_8.3.RC1 | | Driver | 25.3.RC1 | https://www.hiascend.com/hardware/firmware-drivers/community?product=4&model=26&cann=8.3.RC1&driver=Ascend+HDK+25.3.RC1 | | Firmware | 25.3.RC1 | https://www.hiascend.com/hardware/firmware-drivers/community?product=4&model=26&cann=8.3.RC1&driver=Ascend+HDK+25.3.RC1 | | TensorFlow | 1.15.0 | https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/MindX/OpenSource/python/index.html | | Python | 3.7.5 | | ## 使用前提 - 物理机上有Ascend 910芯片 - 物理机上已安装对应的驱动和固件 - 物理机上已安装docker - 物理机上已安装Ascend-docker-runtime - 跑dlrm模型需要用户自行准备对应的数据集 ## 启动容器 从AscendHub [了解详情](https://www.hiascend.com/developer/ascendhub)上拉取所需架构（arm、x86）以及tf版本（tf1.15.0、tf2.6.5）的Rec SDK镜像，拉取镜像到本地。然后可以参考以下命令用拉取的镜像启动一个容器。如果需要映射数据集目录，如dlrm数据集目录，可在以下命令中添加映射： ``` docker run -it --name {容器名} --net=host -e ASCEND_VISIBLE_DEVICES=0-7 -v /usr/local/Ascend/driver/:/usr/local/Ascend/driver/ -v /etc/ascend_install.info:/etc/ascend_install.info {镜像名}:{镜像tag} /bin/bash ``` 参数说明： ASCEND_VISIBLE_DEVICES=0-7 当前机器所拥有的npu卡为0-7卡，如果是16卡可以设置为0-15，用户可根据实际情况挂载 -v /usr/local/Ascend/driver/:/usr/local/Ascend/driver/ 容器挂载的驱动目录，用户可按照实际驱动的安装目录进行配置 -v /etc/ascend_install.info:/etc/ascend_install.info 容器需挂载驱动固件安装信息，否则dlrm样例无法启动运行 ## 样例介绍 demo模型代码与dlrm模型代码压缩包获取链接https://gitcode.com/Ascend/RecSDK/tree/develop_examples_and_tools [了解详情](https://gitcode.com/Ascend/RecSDK/tree/develop_examples_and_tools)。 下载并解压后，进入RecSDK-develop_examples_and_tools目录，模型代码在examples目录下。 - demo：demo样例包括little_demo的sess.run和estimator两种运行模式 - dlrm：dlrm样例为sess.run模式，目前仅适配了tf1，建议在tf1环境下运行 ## demo 如需开启Rec SDK中的一些特性，如自动改图、动态扩容等，建议先查看Rec SDK社区文档 [了解详情](https://www.hiascend.com/document/detail/zh/mindsdk/72rc1/rec/recug/mxrecug_0006.html)了解相关特性。然后在脚本或者代码中开启相关特性，有些相关特性在使用时需提前安装好一些依赖（比如动态扩容，需要先安装动态扩容算子）。 little_demo代码在RecSDK-develop_examples_and_tools/examples/demo目录下，用户可选择使用sess.run模式还是estimator模式，如果选择sess.run方式，那么就使用little_demo目录下的代码；如果选择estimator方式，则使用little_demo_estimator目录下代码。 1、配置环境变量 执行以下代码配置环境变量 ``` source /etc/profile source /usr/local/Ascend/ascend-toolkit/set_env.sh ``` 2、选择ranktable方案/去ranktable方案 运行Rec SDK有两种方式，一种是使用hccl配置文件（rank table方案），一种是不使用hccl配置文件（去rank table方案）。 2.1、使用hccl配置文件（rank table方案） 在物理机上使用以下命令查看NPU芯片信息，其中{ASCEND_DRIVER_PATH}代表驱动安装路径，通常是/usr/local/Ascend/driver/。{device_id}代表查看NPU加速卡ID，在单机单卡任务中通常使用0号卡，在单机多卡任务中需要依次执行查看NPU的ip地址，命令参考如下： ``` {ASCEND_DRIVER_PATH}/tools/hccn_tool -i {device_id} -ip -g ``` 查询命令返回结果中“ipaddr”即为NPU卡对应的ip地址{device_ip}。注意：物理机环境中glibc版本需要2.25或者2.25以上。否则，glibc版本过低会导致上述命令失效。 创建“hccl_json_8p.json”文件，根据上一步骤中获取的{device_ip}对“hccl_json_8p.json”文件进行配置，并将其以JSON格式保存在当前目录下。 单机多卡配置样例参考如下，其中{device_ip}和{host_ip}需要根据真实环境配置进行替换，若执行单机单卡则只需在“device”中配置一项。 ``` { "server_count":"1", "server_list":[ { "device":[ { "device_id":"0", "device_ip":"{device_0_ip}", "rank_id":"0" }, { "device_id":"1", "device_ip":"{device_1_ip}", "rank_id":"1" }, { "device_id":"2", "device_ip":"{device_2_ip}", "rank_id":"2" }, { "device_id":"3", "device_ip":"{device_3_ip}", "rank_id":"3" }, { "device_id":"4", "device_ip":"{device_4_ip}", "rank_id":"4" }, { "device_id":"5", "device_ip":"{device_5_ip}", "rank_id":"5" }, { "device_id":"6", "device_ip":"{device_6_ip}", "rank_id":"6" }, { "device_id":"7", "device_ip":"{device_7_ip}", "rank_id":"7" } ], "server_id":"{host_ip}" } ], "status":"completed", "version":"1.0"} ``` 配置完成之后，执行以下命令，启动训练任务： ``` bash run.sh main.py ``` 运行上述命令，出现打印如下日志即执行成功： ``` Demo done! ``` 单机单卡配置样例参考如下： ``` { "server_count":"1", "server_list":[ { "device":[ { "device_id":"0", "device_ip":"{device_0_ip}", "rank_id":"0" } ], "server_id":"{host_ip}" } ], "status":"completed", "version":"1.0" } ``` 同时，使用单机单卡时需要将`run.sh`脚本中的local_rank_size修改成1。 2.2、不使用hccl配置文件（去rank table方案） 不配置hccl文件，就需要用户在run.sh脚本中确认以下几个环境变量： - CM_CHIEF_IP：主节点ip - CM_CHIEF_PORT：主节点监听端口 - CM_CHIEF_DEVICE：主节点device id - CM_WORKER_IP：当前节点ip - CM_WORKER_SIZE：参与集群训练的device数量 这几个参数具体可以参考Rec SDK发布的用户文档。确认之后使用如下命令，启动训练任务： ``` bash run.sh main.py {ip} ``` 其中ip需要用户传入。 运行上述命令，出现打印如下日志即执行成功： ``` Demo done! ``` ## DLRM DLRM模型代码在RecSDK-develop_examples_and_tools/examples/dlrm目录下。 1、配置环境变量 执行以下代码配置环境变量 ``` source /etc/profile source /usr/local/Ascend/ascend-toolkit/set_env.sh ``` 2、配置hccl通信文件 参考demo配置hccl通信文件 3、配置`run.sh`需要的参数 dlrm模型运行脚本是run.sh，运行此脚本需传入五个参数：so_path、rec_package_path、hccl_cfg_json以及dlrm_criteo_data_path和ip。其中， - so_path：Rec SDK中动态库的目录，一般在Rec SDK的安装目录下的libasc目录中。在镜像中so_path是：/usr/local/python3.7.5/lib/python3.7/site-packages/mx_rec/libasc/ - rec_package_path：Rec SDK的安装目录，镜像中是：/usr/local/python3.7.5/lib/python3.7/site-packages/mx_rec/ - hccl_cfg_json：hccl_cfg_json通信配置文件所在的路径，如果配置了ip参数，该参数直接给一个""空字符串即可；如果未配置ip参数，根据步骤2配置hccl通信文件 - dlrm_criteo_data_path：dlrm模型需要的数据所在路径，根据实际情况进行配置即可 - ip：ip是运行模型的服务器的ip 4、启动脚本 - 去rank table方案 ``` bash run.sh {so_path} {rec_package_path} "" {dlrm_criteo_data_path} {ip} ``` - rank table方案 ``` bash run.sh {so_path} {rec_package_path} {hccl_cfg_json} {dlrm_criteo_data_path} ``` 运行上述命令，出现打印如下日志即执行成功： ``` Demo done! ``` ## FAQ 当在Arm环境下跑模型时，如果遇到如下报错： ``` ImportError: /usr/local/gcc7.3.0/lib64/libgomp.so.1: cannot allocate memory in static TLS block ``` 解决方案： 在环境中添加如下环境变量： ``` export LD_PRELOAD=/usr/local/gcc7.3.0/lib64/libgomp.so.1 ``` rec_sdk-tf1 镜像版本 | 版本 | 文件大小 | 更新时间 | 架构 | 操作 | | --- | --- | --- | --- | ---| | 7.2.RC1-arm | 7 GB | 2025/11/12 | arm64 | 立即下载 | | 7.2.RC1-x86 | 8 GB | 2025/11/12 | x86_64 | 立即下载 | | 7.1.RC1-arm | 5 GB | 2025/08/08 | arm64 | 立即下载 | | 7.1.RC1-x86 | 5 GB | 2025/08/08 | x86_64 | 立即下载 | | 7.0.RC1-arm | 8 GB | 2025/05/19 | arm64 | 立即下载 | | 7.0.RC1-x86 | 9 GB | 2025/05/19 | x86_64 | 立即下载 |