海光DCU深度计算处理器快速上手使用步骤

已于 2024-07-25 12:18:23 修改
阅读量1.1k 收藏 12
点赞数 22
分类专栏： Linux并行计算&HPC高性能计算 服务器&存储 文章标签： dcu 海光 深度计算 并行计算 国产化
于 2024-07-05 18:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27815483/article/details/139866986
版权

目录

快速上手步骤

系统要求

第一步：硬件安装

第二步：驱动安装

第三步：环境部署

容器化部署方式（推荐）

物理机部署方式

第四步：实例测试

训练测试

推理测试

问题排查

快速上手步骤

系统要求

包管理操作系统版本内核参考下载地址
rpmCentOS7.63.10.0-957.el7.x86_64链接：https://pan.baidu.com/s/1cpb3O_5xmvLcAGtekFhxIg 提取码：q2zq
8.54.18.0-348.el8.x86_64
NFS3.23.10.0-957.nfs.5.x86_64链接：https://pan.baidu.com/s/1YyOMbKlr1BiiGVkRNvbPQw 提取码：8h03
4.04.19.113-11.nfs4.x86_64
4.0-Desktop5.4.0-49-generic
Anolis8.44.19.91-23.4.an8.x86_64链接：https://mirrors.openanolis.cn/anolis/
8.64.19.91-26.an8.x86_64
Kylinv10 SP24.19.90-24.4.v2101.ky10.x86_64链接：http://distro-images.kylinos.cn:8802/web_pungi/download/share/wA7vpuh4S5ZrxLWRXVBgGO0d9TfJqijD
UOS1021e4.19.90-2109.1.0.0108.up2.uel20.x86_64链接：https://www.chinauos.com/resource/download-server
openEuler22.035.10.0-60.18.0.50.oe2203.x86_64链接：https://openeuler.org/zh/download/
debUbuntu20.04.15.4.0-42-generic链接：https://pan.baidu.com/s/1CS8nAsOM8zvKIU3eB4WqAg 提取码：ksk3
22.045.15.0-43-generic

注：建议使用Centos7.6或者Ubuntu20.04，内核查看命令：uname -r

您仅需以下几步便可以开始体验DCU加速卡：

第一步：硬件安装

1.将DCU加速卡插入主板的PCIe插槽，并连接好电源线，如图所示：

cc117f26ebce461c8c045768269affe9.png

2.通过lspci | grep -i Display命令查看是否检测到DCU加速卡，如图所示一张DCU加速卡被识别：（问题排查1）

第二步：驱动安装

➡rpm系列系统（CentOS，NFS，Anolis，Kylin，UOS，openEuler）

  1. 安装驱动依赖包

    yum install -y \
cmake \
automake \
gcc \
gcc-c++ \
rpm-build \
autoconf \
kernel-devel-`uname -r` \
kernel-headers-`uname -r`

  2. 获取驱动

    注：可前往开发者社区→资源工具→驱动，获取latest驱动下载地址。

  3. 安装驱动

    注：卸载驱动请执行命令rpm -e rock。

    chmod 755 rock*.run \
&& ./rock*.run \
&& reboot

  4. 验证（问题排查2、3）

    通过lsmod | grep dcu命令验证驱动是否安装成功，如图所示：

c16160d5f06244af81aa0e64d96fb019.png

➡deb系列系统（Ubuntu）

  1. 安装驱动依赖包

    apt update \
&& apt install -y \
cmake \
automake \
rpm \
gcc \
g++ \
autoconf \
linux-headers-`uname -r`

  2. 获取驱动

    注：可前往开发者社区→资源工具→驱动，获取latest驱动下载地址

2776e7d29b1d4080b0de2cc0089fd715.png

  1. 安装驱动

    注：卸载驱动请执行命令`apt-get remove rock`。*

    chmod 755 rock*.run \
&& ./rock*.run \
&& reboot

  2. 验证（问题排查2、3）

    通过lsmod | grep dcu命令验证驱动是否安装成功，如图所示：

af11ca4f28104914bf605da79b2c9fa2.png

第三步：环境部署

注：非root用户请务必加入39组，才能正确调用DCU加速卡，通过命令usermod -a -G 39 $USER完成设置。

容器化部署方式（推荐）

➡rpm系列系统（CentOS，NFS，Anolis，Kylin，UOS，openEuler）

  1. 安装docker

    注：Docker 要求内核版本不低于 3.10，建议安装docker-19.03以上版本；若安装失败，建议使用docker国内源。

    yum install -y docker-ce docker-ce-cli containerd.io \
&& systemctl daemon-reload \
&& systemctl restart docker

  2. 获取镜像

    注：镜像获取可以前往镜像仓库—光源，挑选所需DCU镜像，复制相应带有latest标签的命令，并在命令行执行，例如拉取pytorch镜像。

d96268f7ad2d4d7a8076ceb82d68ecea.png

2.

docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10-py38-latest

bcf76ec0f5c94b10bcef4009e5220514.png

3.启动容器环境

注：该启动参数可根据实际情况进行删减，参数如下：

-i         打开容器标准输入

-t        分配一个伪终端

-v       挂载数据卷

--network  连接网络（none|host|自定义网络...）

--name   为容器添加名字

--ipc     设置IPC模式（none|shareable|host...）

--shm-size    设置/dev/shm大小

--group-add    设置用户附加组（DCU需要添加39组）

--device     指定访问设备（DCU需要添加/dev/kfd以及/dev/dri）

--cap-add     添加权限（SYS_PTRACE|NET_ADMIN...）

--security-opt 安全配置（seccomp=unconfined|label=disable...）

--privileged 特权模式

...

docker run \
-it \
--name=test \
--device=/dev/kfd \
--device=/dev/dri \
--security-opt seccomp=unconfined \
--cap-add=SYS_PTRACE \
--ipc=host \
--network host \
--shm-size=16G \
--group-add 39 \
-v /opt/hyhal:/opt/hyhal \
image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10-py38-latest

2e630a64560d49d293a071a7ee417af9.png

➡deb系列系统（Ubuntu）

  1. 安装docker

    注：推荐使用ubuntu的LTS版，建议安装docker-19.03以上版本；若安装失败，建议使用docker国内源。或者下载脚本curl -fsSL get.docker.com -o get-docker.sh，简化安装流程。

    apt-get install -y docker-ce docker-ce-cli containerd.io \
&& systemctl daemon-reload \
&& systemctl restart docker

  2. 获取镜像（同rpm系列系统，选择带有ubuntu名称的镜像即可）

  3. 启动容器环境（同rpm系列系统）

物理机部署方式

➡rpm系列系统（CentOS，NFS，Anolis，Kylin，UOS，openEuler）

  1. 安装DTK（DCU Toolkit，DCU软件平台）依赖包（问题排查4）

    yum install -y \
    epel-release \
    centos-release-scl \
    && yum clean all \
    && yum makecache \
&& yum groupinstall -y "Development tools" \
&& yum install -y \
    vim \
    curl \
    bzip2 \
    bzip2-devel \
    sudo \
    gcc \
    uuid-devel \
    gdbm-devel \
    readline-devel \
    tk-devel \
    openssl \
    openssl-devel \
    openssl-static \
    rpm-build \
    patch \
    ninja-build \
    glog-devel \
    lmdb-devel \
    opencv-devel \
    openblas-devel \
    libibverbs-devel \
    gflags-devel \
    gstreamer1 \
    gstreamer1-devel \
    gstreamer1-plugins-base \
    gstreamer1-plugins-base-devel \
    gstreamer1-plugins-bad-free \
    gstreamer1-plugins-bad-free-devel \
    gstreamer1-plugins-good \
    gstreamer1-plugins-ugly-free \
    gstreamer1-plugins-ugly-free-devel \
    gst123 \
    libibverbs-devel \
    libibverbs-utils \
    libffi-devel \
    zlib-devel \
    openssl-devel \
    ncurses-devel \
    sqlite-devel \
    devtoolset-7-gcc* \
    numactl \
    numactl-devel \
    wget \
    openssh \
    openssh-server

  2. python安装

    cd /tmp \
&& wget -O python.tgz https://registry.npmmirror.com/-/binary/python/3.8.12/Python-3.8.12.tgz \
&& mkdir python-tmp \
&& tar -xvf python.tgz -C ./python-tmp --strip-components 1 \
&& cd python-tmp \
&& ./configure \
    --enable-shared \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/python* \
&& ln -s /usr/local/bin/python3 /usr/local/bin/python \
&& ln -sf /usr/local/bin/pip3 /usr/local/bin/pip

  3. pip更新

    pip install --no-cache-dir --upgrade pip

  4. cmake安装

    cd /tmp \
&& wget -O cmake.tar.gz https://cmake.org/files/v3.19/cmake-3.19.3-Linux-x86_64.tar.gz \
&& mkdir /opt/cmake \
&& tar -xvf cmake.tar.gz -C /opt/cmake --strip-components 1 \
&& rm -rf /tmp/cmake*

  5. hwloc安装

    cd /tmp \
&& wget -O hwloc.tar.gz https://download.open-mpi.org/release/hwloc/v2.7/hwloc-2.7.1.tar.gz \
&& mkdir hwloc-tmp \
&& tar -xvf hwloc.tar.gz -C ./hwloc-tmp --strip-components 1 \
&& cd hwloc-tmp \
&& ./configure --prefix=/opt/hwloc \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/hwloc*

  6. mpi安装

    cd /tmp \
&& wget -O openmpi.tar.gz https://download.open-mpi.org/release/open-mpi/v4.0/openmpi-4.0.1.tar.gz \
&& mkdir openmpi-tmp \
&& tar -xvf openmpi.tar.gz -C ./openmpi-tmp --strip-components 1 \
&& cd openmpi-tmp \
&& ./configure \
   --prefix=/opt/mpi/ \
   --with-hwloc=/opt/hwloc/ \
   --enable-orterun-prefix-by-default \
   --enable-mpi-thread-multiple \
   --enable-dlopen \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/openmpi*

  7. 获取DTK

    注：可前往开发者社区→资源工具→DCU Toolkit，获取latest DTK下载地址。

6de748ec2b264848805b0f12f61844ae.png

  1. 安装DTK

    tar -xvf DTK-*.tar.gz -C /opt/ \
&& ln -s /opt/dtk-* /opt/dtk

  2. 设置环境变量

    cat > /etc/profile.d/dtk.sh <<-"EOF"
#!/bin/bash

#gcc
source /opt/rh/devtoolset-7/enable

#python3
export LD_LIBRARY_PATH=/usr/local/lib/:/usr/local/lib64/:$LD_LIBRARY_PATH
export PATH=/usr/local/bin:$PATH
export PYTHONPATH=/usr/local/:$PYTHONPATH

#cmake
export PATH=/opt/cmake/bin/:$PATH

#hwloc
export PATH=/opt/hwloc/bin/:${PATH} \
export LD_LIBRARY_PATH=/opt/hwloc/lib:${LD_LIBRARY_PATH}

#mpi
export LD_LIBRARY_PATH=/opt/mpi/lib:$LD_LIBRARY_PATH
export PATH=/opt/mpi/bin:$PATH

#DTK
source /opt/dtk/env.sh
EOF
source /etc/profile.d/dtk.sh

  3. 验证DCU环境（问题排查5、6）

    通过rocm-smi以及rocminfo | grep gfx命令验证DCU环境安装完毕，如图所示：

83591fa065424b8daa00475575dd69f7.png

de9010e8971c44e79eaedc2e94293de9.png

➡deb系列系统（Ubuntu）

  1. 安装DTK（DCU Toolkit，DCU软件平台）依赖包（问题排查4）

    apt-get update -y \
    && apt-get install --no-install-recommends -y \
       build-essential \
           git \
           wget \
           gfortran \
           elfutils \
           libelf-dev \
           libdrm-dev \
           kmod \
           libtinfo5 \
           sqlite3 \
           libsqlite3-dev \
           libnuma-dev \
           libgl1-mesa-dev \
           alien \
           rsync \
           libpci-dev \
           pciutils \
           libpciaccess-dev \
           libbabeltrace-dev \
           pkg-config \
           libfile-which-perl \
           libfile-basedir-perl \
           libfile-copy-recursive-perl \
           libfile-listing-perl \
           libprotobuf-dev \
           libio-digest-perl \
           libdigest-md5-file-perl \
           libdata-dumper-simple-perl \
           vim \
           curl \
           libcurlpp-dev \
           openssh-server \
           sudo \
           locales \
           openssl \
           libssl-dev \
           patch \
           ninja-build \
           libgoogle-glog-dev \
           liblmdb-dev \
           libopenblas-dev \
           libgflags-dev \
           libibverbs-dev \
           ibverbs-utils \
           libffi-dev \
           zlib1g \
           zlib1g-dev \
           libbz2-dev \
           libncurses-dev \
           libsqlite3-dev \
           read-edid \
           numactl \
           libjpeg62 \
           liblzma-dev \
           libgdbm-dev \
           libgdbm-compat-dev \
           libnss3-dev \
           libreadline-dev \
           libncurses5-dev \
           libncursesw5-dev \
           xz-utils \
           tk-dev \
       && apt-get clean \
       && rm -rf /var/lib/apt/lists/*

  2. python安装

    cd /tmp \
&& wget -O python.tgz https://registry.npmmirror.com/-/binary/python/3.8.12/Python-3.8.12.tgz \
&& mkdir python-tmp \
&& tar -xvf python.tgz -C ./python-tmp --strip-components 1 \
&& cd python-tmp \
&& ./configure \
    --enable-shared \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/python* \
&& ln -s /usr/local/bin/python3 /usr/local/bin/python \
&& ln -sf /usr/local/bin/pip3 /usr/local/bin/pip \
&& apt-get update -y \
    && apt-get install --no-install-recommends -y \
       libgstreamer1.0-dev \
       libgstreamer-plugins-base1.0-dev \
       libgstreamer-plugins-bad1.0-dev \
       gstreamer1.0-plugins-base \
       gstreamer1.0-plugins-good \
       gstreamer1.0-plugins-bad \
       gstreamer1.0-plugins-ugly \
       gstreamer1.0-libav \
       gstreamer1.0-tools \
       gstreamer1.0-x \
       gstreamer1.0-alsa \
       gstreamer1.0-gl \
       gstreamer1.0-gtk3 \
       gstreamer1.0-qt5 \
       gstreamer1.0-pulseaudio \
       gst123 \
       libopencv-dev \
       python3-opencv \
    && apt-get clean \
    && rm -rf /var/lib/apt/lists/*

  3. pip更新

    pip install --no-cache-dir --upgrade pip

  4. cmake安装

    cd /tmp \
&& wget -O cmake.tar.gz https://cmake.org/files/v3.19/cmake-3.19.3-Linux-x86_64.tar.gz \
&& mkdir /opt/cmake \
&& tar -xvf cmake.tar.gz -C /opt/cmake --strip-components 1 \
&& rm -rf /tmp/cmake*

  5. hwloc安装

    cd /tmp \
&& wget -O hwloc.tar.gz https://download.open-mpi.org/release/hwloc/v2.7/hwloc-2.7.1.tar.gz \
&& mkdir hwloc-tmp \
&& tar -xvf hwloc.tar.gz -C ./hwloc-tmp --strip-components 1 \
&& cd hwloc-tmp \
&& ./configure --prefix=/opt/hwloc \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/hwloc*

  6. mpi安装

    cd /tmp \
&& wget -O openmpi.tar.gz https://download.open-mpi.org/release/open-mpi/v4.0/openmpi-4.0.1.tar.gz \
&& mkdir openmpi-tmp \
&& tar -xvf openmpi.tar.gz -C ./openmpi-tmp --strip-components 1 \
&& cd openmpi-tmp \
&& ./configure \
   --prefix=/opt/mpi/ \
   --with-hwloc=/opt/hwloc/ \
   --enable-orterun-prefix-by-default \
   --enable-mpi-thread-multiple \
   --enable-dlopen \
&& make -j$(nproc) \
&& make install \
&& rm -rf /tmp/openmpi*

  7. 获取DTK

    注：可前往开发者社区→资源工具→DCU Toolkit，获取latest DTK下载地址。

901d0ebd19ad43dba6f59d317c7a6dee.png

  1. 安装DTK

    tar -xvf DTK-*.tar.gz -C /opt/ \
&& ln -s /opt/dtk-* /opt/dtk

  2. 设置环境变量

    cat > /etc/profile.d/dtk.sh <<-"EOF"
#!/bin/bash

#python3
export LD_LIBRARY_PATH=/usr/local/lib/:/usr/local/lib64/:$LD_LIBRARY_PATH
export PATH=/usr/local/bin:$PATH
export PYTHONPATH=/usr/local/:$PYTHONPATH

#cmake
export PATH=/opt/cmake/bin/:$PATH

#hwloc
export PATH=/opt/hwloc/bin/:${PATH} \
export LD_LIBRARY_PATH=/opt/hwloc/lib:${LD_LIBRARY_PATH}

#mpi
export LD_LIBRARY_PATH=/opt/mpi/lib:$LD_LIBRARY_PATH
export PATH=/opt/mpi/bin:$PATH

#DTK
source /opt/dtk/env.sh
EOF
source /etc/profile.d/dtk.sh

  3. 验证DCU环境（问题排查5、6）

    通过rocm-smi以及rocminfo | grep gfx命令验证DCU环境安装完毕，如图所示：

c7625b6cc22d49ab9cc367f804d99cb9.png

第四步：实例测试

注：HIP_VISIBLE_DEVICES—设置DCU加速卡可见性，类似CUDA_VISIBLE_DEVICES。例如：export HIP_VISIBLE_DEVICES=0表示设置第一块DCU可见。

训练测试

  1. 训练环境搭建

    注：若在光源拉取相应框架镜像后则无需搭建环境，进入后即得到完整训练环境，可直接跳转至环境验证（推荐）。本次环境搭建以Pytorch框架为例，各类框架（pytorch，tensorflow，paddlepaddle，oneflow...）请前往开发者社区→资源工具→AI 生态包下获取最新whl包并安装。

    • 下载Pytorch以及TorchVision框架包

      注：各种框架的whl包应与上述安装过程中DTK版本对应，例如已安装dtk-22.10，则需要到AI 生态包→pytorch→dtk-22.10以及AI 生态包→vision→dtk-22.10文件夹中下载whl包并安装。

      878e2d67420c40e6a7ddc1b98b6443d6.png

    • 安装Pytorch以及TorchVision（问题排查7）

      pip3 install torch-*.whl \
&& pip3 install torchvision-*.whl \
&& pip3 install numpy

  2. 环境验证（问题排查8）

    python3 -c "import torch;print('pytorch version:',torch.__version__);print('DCU is',torch.cuda.is_available())"
    23f5281b4c2848babc16f8d4dcab2bb9.png

  3. 训练代码获取

    注：可前往ModelZoo获取实例代码，本次以flavr_pytorch为例；同时，DCU也兼容GPU开源深度学习代码。

    a0a578ad4721477d89c9e872fb3c4d2a.png

  4. 克隆训练代码

    git clone http://developer.hpccube.com/codes/modelzoo/flavr_pytorch.git

  5. 代码依赖安装

    cd flavr_pytorch \
&& pip install -r requirements.txt

  6. 启动测试

    python main.py --batch_size 32 --test_batch_size 32 --dataset vimeo90K_septuplet --loss 1*L1 --max_epoch 200 --lr 0.0002 --data_root datasets --n_outputs 1 --num_gpu 1
    98478bb70e2944209a726cb55f5f7222.png

推理测试

  1. 推理环境搭建

    注：若在光源拉取相应框架镜像后则无需搭建环境，进入后即得到完整推理环境，可直接跳转至环境验证（推荐）。本次环境搭建以MIGraphX框架为例。

    • 安装half

      wget https://github.com/ROCmSoftwarePlatform/half/archive/1.12.0.tar.gz \
&& tar -xvf 1.12.0.tar.gz \
&& cp half-1.12.0/include/half.hpp /opt/dtk/include/

    • 安装sqlite

      cd /tmp \
&& wget --no-cookie --no-check-certificate -O sqlite.tar.gz https://www.sqlite.org/2023/sqlite-autoconf-3410000.tar.gz \
&& mkdir sqlite-tmp \
&& tar -xvf sqlite.tar.gz -C ./sqlite-tmp --strip-components 1 \
&& cd sqlite-tmp \
&& ./configure \
&& make -j$(nproc) \
&& make install \
&& cd \
&& rm -rf /tmp/sqlite*

    • 下载MIGraphX

      注：MIGraphX框架安装包应与安装过程中系统版本以及DTK版本对应，例如centos7.6系统中安装dtk-23.10.1，则需要到AI 生态包→migraphx→dtk-23.10.1→CentOS7.6文件夹下载rpm安装包并安装。

      dc971625e49d472e8e1d6fc113043e5f.png

    • 安装MIGraphX

      rpm -ivh migraphx-*.rpm --nodeps --force \
&& rpm -ivh migraphx-devel-*.rpm --nodeps --force

    • 设置环境变量

      cat > /etc/profile.d/migraphx.sh <<-"EOF"
#!/bin/bash

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
export LD_LIBRARY_PATH=/usr/local/lib/:$LD_LIBRARY_PATH
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
EOF
source /etc/profile.d/migraphx.sh

  2. 环境验证

    /opt/dtk/bin/migraphx-driver onnx -l
    c5dce2dcb3f74e0fb5335d72a82c215e.png

  3. 推理代码获取

    注：可前往ModelZoo获取实例代码，本次以yolov7_migraphx为例。

  4. 克隆推理代码

    git clone http://developer.hpccube.com/codes/modelzoo/yolov7_migraphx.git

  5. 代码依赖安装

    cd yolov7_migraphx/Python/ \
&& pip install -r requirements.txt

  6. 启动测试

    python YoloV7_infer_migraphx.py
    7ae2f583b74f4f0da1b502ab491cab99.png

问题排查

1.问：lspci | grep -i Display无显示

答：清理DCU加速卡金手指，确保各插槽插紧无松动。

2.问：lsmod | grep hydcu无显示

答：请先执行驱动安装步骤；若仍无显示，通过命令modprobe hydcu手动加载驱动并重启机器；若驱动仍未加载，请查看/etc/modprobe.d/hydcu.conf是否存在，不存在可通过命令echo “options hydcu hygon_vbios=0” > /etc/modprobe.d/hydcu.conf手动创建。

3.问： 驱动加载失败，如下图：

39f8c4d65d804ee099bf32601fedfc9c.png

答：请检查系统启动项中是否包含nomodeset选项，若存在，请删除。通常在系统启动时，按 e进入内核启动修改页面，找到以 linux16 /vmlinuz 开始的行，删除 nomodeset 字段，然后按Ctrl+x启动，如图所示：

9d4751050e1d4f78ab58322d093d83e3.png

在系统启动之后，根据不同版本的系统要求修改 grub 文件，确保该启动项永久生效。

4.问： 某些依赖包无法安装

答：建议换国内源。其中lmdb-devel、glog-devel、opencv-devel、openblas-devel、gflags-devel、gstreamer等，或liblmdb-dev、libopenblas-dev、 libgflags-dev、libopencv-dev、gstreamer等无法安装，无需担心，该依赖包已导入框架内；其中若devtoolset-7安装失败，可以进入DCU Toolkit下载后离线安装：

b8456459c197478a8be914e5feeb7fd4.png 
mkdir /opt/rh \
&& tar xvf devtoolset-7.3.1.tar.gz -C /opt/rh

5.问： rocm-smi显示正常，rocminfo出现如下图报错：

d8a50efdae354fb79740a24c0e30f253.png

答：请通过命令usermod -a -G 39 $USER将用户加入39组。

6.问：rocm-smi、rocminfo命令都查找不到

答：请根据系统执行DTK安装中的设置环境变量步骤。

7.问：pip install 安装出现如图不支持提示

5b73131e869a41ccaadf5d5a5dc1c93d.png

答：请通过命令pip install --upgrade pip将pip升级，若未解决，请查看下载的whl包py版本是否与环境中的python版本一致，以及检查环境中是否已正确安装DTK软件包。

8.问：使用期间出现如下导入hsa相关库报错

a6aed7406ce246c4b619b34480513c23.png

答：dtk23.10系列设计如此，请在启动容器时挂载hyhal：-v /opt/hyhal:/opt/hyhal，或在开发者社区下载hyhal，放入容器/opt/下，并解压。

技术瘾君子1573
关注
  • 22
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
DRAM Command Unit(DCU)
Hierro的DDR世界
11-25 3244
4.7.1 DCU功能DCU模块提供了一种通过配置总线执行DRAM命令的方式。以下是DCU的主要目的： 1. 通过配置端口执行DRAN初始化流程 2. 提供统一的硅片测试与PHY特性测试，且不需要控制器支持 3. 提供软件可执行的DRAM命令 注意：DCU提供有限的功能，且不能替代功能模式。4.7.2 DCU命令用户可通过配置端口（APB或JTAG）来实现DRAM的命令，下面列表为可支持的命
海光DCU-DTK 23.04.1 MIGraphX使用手册.pdf
07-11
根据提供的文档信息，我们可以深入探讨海光DCU-DTK 23.04.1版本中的MIGraphX使用手册所涉及的关键知识点。 ### MIGraphX简介 MIGraphX是海光针对其高性能计算（HPC）硬件平台推出的图形处理单元（GPU）加速计算...
海光DCU-DTK 23.04.1 hipprof使用手册.pdf
07-11
海光DCU-DTK 23.04.1 hipprof使用手册.pdf
海光DCU-GPU-DTK 24.04.1 GPUFORT使用手册.pdf
最新发布
07-12
海光DCU-GPU-DTK 24.04.1 GPUFORT使用手册.pdf
如何在虚拟化环境下配置国产海光DCU深度计算处理器直通模式？
qq_27815483的博客
06-28 1221
直通技术（passthrough）是将物理pci 设备通过宿主机os 层，直接透传给虚拟机使用的一种技术。这种技术可以使虚拟机直接访问到物理设备，大大减小了pci 设备的性能损失。Linux 内核从3.9 之后就开始支持PCI 设备的直通设置，虚拟化技术我们采用的是QEMU/KVM 技术，QEMU 版本需要支持UEFI 以及支持设备直通设置。VFIO（Virtual Function I/O）驱动框架是一个用户态驱动框架，在保证直通设备的DMA安全性的同时可以达到接近物理设备的I/O 的性能。VFIO 可以
yolov9-pytorch 深度学习目标检测算法模型
qq_27815483的博客
06-19 1446
yolov9是一种基于深度学习的目标检测算法,可以广泛应用于各种计算机视觉和人工智能领域的应用中
DCU上基础环境搭建之docker的使用
zzzzzyyyyyjjjjjj的博客
06-27 1187
如何在国产DCU平台上快速搭建docker并进行yolov5的部署
海光DCU编译安装Cupy
嘉诩的专栏
05-27 304
Cupy对AMD的Rocm的支持目前还是实验性的，只支持4.3和5.0两个版本。海光DCU与 Rocm同源，dtk23.10是基于5.2的分支，所以理论上具备可行性。之后再pip安装即可，新版本13不行，缺少libamdhip64.so.5，降级到12即可。直接按照官方文档pip安装不行，只能从源代码编译安装。首先要设置相关环境变量。跑了官网测试代码还行。
Linux并行计算&国产海光DCU深算处理器使用FAQ
qq_27815483的博客
06-28 1387
​ DCU常见问题汇总： 硬件 产品端适配(cpu、加速卡、服务器) 虚拟化 hyqua/k8s/docker等工具 运行环境 dtk底层库 性能调优 深度学习框架/三方库 ​
qwen1.5_pytorch对话问答算法模型
qq_27815483的博客
06-25 798
Qwen1.5是阿里云开源大型语言模型系列，是Qwen2.0的beta版本。
海光DCU-DTK 23.04.1 GPUFORT使用手册.pdf
07-11
### GPUFORT 使用手册知识点详解 #### 一、GPUFORT简介 **GPUFORT**是一种专门设计用于简化Fortran应用程序跨加速器平台迁移过程的工具。它通过将原始的OpenACC Fortran代码转换成适合特定异构加速卡运行的形式来...
海光DCU-DTK 23.04.1 OpenMP和OpenACC使用手册.pdf
07-11
### 海光DCU-DTK 23.04.1 OpenMP和OpenACC使用手册 #### OpenMP 与 OpenACC 简介 在高性能计算领域，利用多核处理器和异构架构来提高程序执行效率是至关重要的。OpenMP 和 OpenACC 是两种广泛使用的并行编程模型，...
StableTTS_pytorch语音合成算法模型
qq_27815483的博客
06-26 658
StableTTS是一款用于中英文语音生成的快速轻量级TTS模型，只有10M参数。
itransformer-pytorch时序预测算法模型
qq_27815483的博客
06-23 811
iTransformer能高效利用长程时序特征，能同时预测多个指标。
曙光云使用说明
热门推荐
weixin_43800577的博客
11-18 1万+
国产GPU平台探索使用
深度学习常用Linux命令
Billie使劲学的博客
08-18 1108
ctrl + e // 光标回到行末ctrl + k // 删除光标处到行尾的字符ctrl + u // 删除命令行的整段命令ctrl + y // 恢复上一次删除内容。
曙光超算平台操作之深度学习
baobao135的博客
09-19 1万+
超算平台操作
安装DCU-Z100（ZiFang）
qq_41480495的博客
09-25 3415
原来DCU Z100叫zifang。
海光dcu docker
04-12
海光DCU Docker是一种基于Docker容器技术的数据中心统一管理平台。它提供了一种轻量级、可移植、可扩展的容器化解决方案，用于在数据中心中部署、管理和运行应用程序。 海光DCU Docker具有以下特点： 1. 容器化部署：通过将应用程序及其依赖项打包成容器镜像，实现快速、一致性的部署。 2. 资源隔离：每个应用程序运行在独立的容器中，相互之间进行资源隔离，提高了安全性和稳定性。 3. 弹性伸缩：可以根据实际需求动态调整容器的数量，实现应用程序的弹性伸缩。 4. 简化管理：提供了集中化的管理界面，可以方便地管理和监控容器的运行状态。 5. 快速迁移：容器化的应用程序可以在不同的环境中快速迁移，提高了应用程序的可移植性和灵活性。 海光DCU Docker还支持与其他海光DCU组件集成，如海光DCU Kubernetes，实现更高级别的容器编排和管理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

技术瘾君子1573

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值