CANN训练营环境搭建实战：Ubuntu系统安装全记录-CSDN博客

训练营简介

2025年昇腾CANN训练营第二季，基于CANN开源开放全场景，推出0基础入门系列、码力全开特辑、开发者案例等专题课程，助力不同阶段开发者快速提升算子开发技能。获得Ascend C算子中级认证，即可领取精美证书，完成社区任务更有机会赢取华为手机、平板、开发板等大奖。

环境准备：打好基础是关键

在开始安装CANN之前，充分的准备工作能避免后续很多不必要的问题。根据官方文档要求，我需要确保系统具备Python环境及pip3，当前CANN支持的Python版本为3.7.x至3.11.4。

我使用的是Ubuntu 20.04 LTS，首先检查Python版本：

python3 --version
pip3 --version

当我第一次尝试安装时，遇到了"pip3: command not found"错误。通过查阅文档，发现这是因为环境变量未正确配置。解决方案是指定Python路径并配置环境变量：

export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
export PATH=/usr/local/python3.7.5/bin:$PATH

对于使用容器的同学，可能会遇到"Cannot fork"错误。这是因为/bin/sh链接到了dash，需要将其修改为bash：

ls -l /bin/sh
ln -sf bash /bin/sh  # 如果回显为dash，执行此命令

安装CANN软件包：步步为营

配置昇腾源

首先需要配置昇腾源，否则无法安装：

sudo curl https://repo.oepkgs.net/ascend/cann/ascend.repo -o /etc/yum.repos.d/ascend.repo && yum makecache

安装Toolkit开发套件包

CANN Toolkit开发套件包在训练、推理和开发调试场景下都需要安装，主要用于训练和推理业务、模型转换、算子/应用/模型的开发和编译。

安装前请确保安装目录可用空间大于10G：

sudo yum install -y Ascend-cann-toolkit-8.2.RC1

安装完成后，配置环境变量：

source /usr/local/Ascend/ascend-toolkit/set_env.sh

注意：上述环境变量配置只在当前窗口生效，可以按需将命令写入~/.bashrc文件。

安装其他必要组件

根据你的使用场景，可能还需要安装：

NNAE深度学习引擎包：主要用于训练和推理业务
NNRT离线推理引擎包：在边缘推理场景下安装，仅支持离线推理
Kernels算子包：包括单算子API执行动态库/静态库文件，以及kernel二进制文件

安装Kernels算子包前，需已安装配套版本的Toolkit并配置环境变量。

实战问题与解决方案

1. 安装过程中的依赖问题

第一次安装CANN软件包时，我遇到了依赖缺失的问题。特别是当系统中有多个Python版本时，很容易出现兼容性问题。

解决方案：使用虚拟环境隔离不同项目的依赖，或者明确指定Python版本路径。确保环境变量配置正确。

2. 环境变量配置混乱

在安装多个CANN组件后，环境变量配置容易变得混乱，导致版本冲突。

解决方案：在~/.bashrc中清晰注释每个环境变量的作用，并只保留当前使用的组件环境变量。可以使用以下命令检查环境变量：

echo $LD_LIBRARY_PATH
echo $PYTHONPATH

3. 模型转换问题

在使用ATC工具进行模型转换时，经常会遇到算子不支持或格式不匹配的问题。

解决方案：仔细检查模型输入输出格式，使用ATC工具的日志调试功能。对于不支持的算子，可以考虑使用自定义算子开发。

验证安装：运行第一个样例

安装完成后，最好的验证方法就是运行一个简单样例。我选择了目标检测的样例进行测试。

首先需要安装第三方依赖，包括OpenCV和Python-acllite：

# 安装opencv
sudo apt-get install python3-opencv

# 安装python-acllite依赖
sudo apt-get install -y libavformat-dev libavcodec-dev libavdevice-dev libavutil-dev libswscale-dev
pip3 install av numpy Pillow

设置环境变量：

export CPU_ARCH=`arch`
export THIRDPART_PATH=${HOME}/Ascend/thirdpart/${CPU_ARCH}
export PYTHONPATH=${THIRDPART_PATH}/acllite:$PYTHONPATH
export INSTALL_DIR=${HOME}/Ascend/ascend-toolkit/latest

下载样例代码：

git clone https://gitee.com/ascend/samples.git

在运行样例时，我遇到了"acl调用出错"的问题，通过重新配置环境变量并确保所有依赖安装完整，最终解决了这个问题。

学习心得与下一步计划

通过这次CANN环境搭建实践，我深刻体会到：

文档是关键：昇腾社区提供了详细的安装指南，遇到问题时首先应该查阅官方文档。
环境隔离很重要：使用虚拟环境或容器技术可以避免依赖冲突。
循序渐进：先从简单的样例开始，逐步深入理解CANN的架构和使用方法。
社区资源丰富：昇腾社区提供了丰富的在线视频课程和代码样例，善于利用这些资源能加速学习进程。

在环境搭建过程中，最耗时的往往不是安装本身，而是解决环境依赖和兼容性问题。记录下每次遇到的问题和解决方案，形成自己的知识库，对长期发展极为有益。

下一步，我计划继续深入学习CANN的模型转换工具ATC和推理接口AscendCL，争取早日完成第一个完整的模型部署项目。同时，我也会关注CANN训练营的后续课程，系统提升算子开发技能。