📚 课程目录第3章环境搭建与验证

3. 环境搭建与验证

硬件安装、驱动与CANN安装、环境变量配置、使用npu-smi工具验证。

3.1 硬件安装——别小看这一步

拿到Atlas 300I推理卡，第一件事不是插上去就完事。我见过不少新手，卡插好了，灯也亮了，但系统死活认不到设备。为什么？多半是PCIe槽位或者供电的问题。

物理安装：确保服务器断电，把卡插到PCIe x16插槽（建议用靠近CPU的槽位，信号质量好）。
供电检查：部分服务器需要额外6-pin供电，不插的话卡能亮但跑不了高负载。我之前在项目里遇到过，推理卡跑10分钟就掉卡，查了半天发现供电线松了。
散热空间：卡与卡之间留一个槽位，别贴太紧。300I的散热鳍片很密，堵死了温度直接飙到85°C。

💡 我个人习惯：装好后先不盖机箱盖，通电看卡上的指示灯是否常绿。如果红灯闪烁，先查供电和PCIe接触。

3.2 驱动与CANN安装——版本匹配是命门

驱动和CANN的版本必须严格对应。昇腾的版本号体系有点绕，我刚开始也搞混过。记住一个原则：驱动版本 ≥ CANN版本，且大版本一致。

举个例子，如果你用CANN 7.0.RC1，驱动至少要用 23.0.RC1 以上。我踩过最深的坑就是驱动装成22.0.x，CANN是7.0，结果模型加载直接报错“runtime version mismatch”。

安装步骤（以Ubuntu 20.04 x86_64为例）：

# 1. 安装驱动（.run文件）
chmod +x Ascend310-driver-xxx.run
./Ascend310-driver-xxx.run --full --install

# 2. 安装CANN（昇腾AI处理器配套软件包）
chmod +x Ascend-cann-toolkit_xxx.run
./Ascend-cann-toolkit_xxx.run --install --install-for-all

# 3. 安装后检查
npu-smi info   # 如果能列出卡信息，驱动就对了

安装过程中如果提示缺少依赖，比如libnuma-dev、dkms，直接用apt装上就行。别跳过，跳过之后驱动加载会失败。

⚠️ 注意：驱动安装后需要重启系统，或者执行 modprobe drv_pcie 手动加载内核模块。我曾经忘了重启，折腾了半小时才发现。

3.3 环境变量配置——让系统找到CANN

装完CANN，如果不配环境变量，你连ascendc都跑不起来。说白了，系统不知道你的CANN装在哪。

我个人习惯把下面这段加到 ~/.bashrc 里，一劳永逸：

# CANN 环境变量（根据实际安装路径调整）
export ASCEND_HOME=/usr/local/Ascend
export PATH=$ASCEND_HOME/ascend-toolkit/latest/bin:$PATH
export LD_LIBRARY_PATH=$ASCEND_HOME/ascend-toolkit/latest/lib64:$LD_LIBRARY_PATH
export ASCEND_DEVICE_ID=0          # 默认使用0号卡
export NPU_HOST_LIB=$ASCEND_HOME/ascend-toolkit/latest/lib64

# 如果使用MindSpore或PyTorch适配，还需要添加：
export PYTHONPATH=$ASCEND_HOME/ascend-toolkit/latest/python/site-packages:$PYTHONPATH

然后 source ~/.bashrc 让它生效。你可以在终端敲 echo $ASCEND_HOME 验证，如果输出路径就对了。

🔧 小技巧：如果你有多张卡，可以设置 ASCEND_DEVICE_ID 为0-7，但建议在代码里动态指定，别写死。

3.4 使用npu-smi验证——一切就绪的信号

环境配好之后，最直观的验证就是 npu-smi 工具。它就像NVIDIA的nvidia-smi，但专为昇腾设计。

运行一下：

npu-smi info

你会看到类似下面的输出（我简化了关键行）：

+-------------------+-----------------+---------------+
| NPU     Name      | Health          | Power(W)      |
+-------------------+-----------------+---------------+
| 0       Ascend310 | OK              | 65.0          |
+-------------------+-----------------+---------------+

如果Health显示“OK”，恭喜你，环境搭建成功。如果显示“Warning”或者“Error”，先检查驱动是否加载，再查CANN版本。

我还常用 npu-smi watch -d 1 实时看温度、功耗和显存占用。调试推理性能时特别有用。

            快速验证清单：
            ✅ npu-smi info 能列出卡
✅ ascendc --version 显示CANN版本
✅ 运行一个简单的AscendCL示例（比如矩阵加法）不报错

        

3.5 避坑指南——我替你试过的错

驱动装完但npu-smi找不到卡：大概率是PCIe驱动没加载。执行 lsmod | grep drv，如果没有输出，手动 modprobe drv_pcie。
CANN安装后命令行找不到：环境变量没生效。检查 ~/.bashrc 或 /etc/profile，确认路径写对了。
多卡环境下npu-smi只显示一张卡：检查PCIe链路是否完整，或者用 lspci | grep Huawei 看硬件是否都被识别。

嗯，环境搭建这部分看起来琐碎，但基础打好了，后面20多章你会非常顺。我曾经在一个客户现场，因为驱动版本不对，折腾了一整天。后来我把版本对照表打印出来贴在工位上，再也没出过问题。