源码编译方式安装MindSpore Ascend版本

• 源码编译方式安装MindSpore Ascend版本
  • 安装依赖软件
    • 安装Python
    • 安装昇腾AI处理器配套软件包
    • 安装wheel setuptools PyYAML和Numpy
    • 安装GCC
    • 安装git tclsh patch NUMA Flex
    • 安装git-lfs
    • 安装CMake
  • 从代码仓下载源码
  • 配置环境变量
  • 编译MindSpore
  • 安装MindSpore
  • 验证是否成功安装
  • 升级MindSpore版本

本文档介绍如何在Ascend环境的Linux系统上，使用源码编译方式快速安装MindSpore。

安装依赖软件

下表列出了编译安装MindSpore所需的系统环境和第三方依赖。

下面给出第三方依赖的安装方法。

安装Python

Python可通过Conda进行安装。

安装Miniconda：

cd /tmp
curl -O https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.10.3-Linux-$(arch).sh
bash Miniconda3-py37_4.10.3-Linux-$(arch).sh -b
cd -
. ~/miniconda3/etc/profile.d/conda.sh
conda init bash

安装完成后，可以为Conda设置清华源加速下载，参考此处。

创建虚拟环境，以Python 3.9.11为例：

conda create -n mindspore_py39 python=3.9.11 -y
conda activate mindspore_py39

可以通过以下命令查看Python版本。

python --version

安装昇腾AI处理器配套软件包

昇腾软件包提供商用版和社区版两种下载途径：

• 商用版下载需要申请权限，优选版本的下载链接与安装方式请参考Ascend Training Solution 25.0.RC1 安装指引文档。

• 社区版下载不受限制，下载链接请前往CANN社区版，推荐优先选择8.1.RC1.beta1版本，以及在固件与驱动链接中获取对应的固件和驱动安装包，安装包的选择与安装方式请参照上述的商用版安装指引文档。

安装包默认安装路径为/usr/local/Ascend。安装后确认当前用户有权限访问昇腾AI处理器配套软件包的安装路径，若无权限，需要root用户将当前用户添加到/usr/local/Ascend所在的用户组。

安装昇腾AI处理器配套软件所包含的whl包。如果之前已经安装过昇腾AI处理器配套软件包，需要先使用以下命令卸载对应的whl包。

pip uninstall te topi hccl -y

默认安装路径使用以下命令安装。如果安装路径不是默认路径，需要将命令中的路径替换为安装路径。

pip install sympy
pip install protobuf
pip install /usr/local/Ascend/ascend-toolkit/latest/lib64/te-*-py3-none-any.whl
pip install /usr/local/Ascend/ascend-toolkit/latest/lib64/hccl-*-py3-none-any.whl

安装wheel setuptools PyYAML和Numpy

在安装完成Python后，使用以下命令安装。

pip install wheel
pip install -U setuptools
pip install pyyaml
pip install "numpy>=1.19.3,<=1.26.4"

注意：运行环境使用的Numpy版本需不小于编译环境的Numpy版本，以保证框架内Numpy相关能力的正常使用。

安装GCC

• Ubuntu 18.04可以使用以下命令安装。

  sudo apt-get install gcc-7 -y
  

• CentOS 7可以使用以下命令安装。

  sudo yum install centos-release-scl
  sudo yum install devtoolset-7
  

  安装完成后，需要使用以下命令切换到GCC 7。

  scl enable devtoolset-7 bash
  

• EulerOS和openEuler可以使用以下命令安装。

  sudo yum install gcc -y
  

安装git tclsh patch NUMA Flex

• Ubuntu 18.04可以使用以下命令安装。

  sudo apt-get install git tcl patch libnuma-dev flex -y
  

• CentOS 7，EulerOS和openEuler可以使用以下命令安装。

  sudo yum install git tcl patch numactl-devel flex -y
  

安装git-lfs

• Ubuntu使用以下命令安装。

  curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
  sudo apt-get install git-lfs -y
  git lfs install
  

• CentOS 7使用以下命令安装。

  curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.rpm.sh | sudo bash
  sudo yum install git-lfs -y
  git lfs install
  

• EulerOS和openEuler使用以下命令安装。

  根据系统架构选择相应的版本下载。

  # x64
  curl -OL https://github.com/git-lfs/git-lfs/releases/download/v3.1.2/git-lfs-linux-amd64-v3.1.2.tar.gz
  # arm64
  curl -OL https://github.com/git-lfs/git-lfs/releases/download/v3.1.2/git-lfs-linux-arm64-v3.1.2.tar.gz
  

  解压并安装。

  mkdir git-lfs
  tar xf git-lfs-linux-*-v3.1.2.tar.gz -C git-lfs
  cd git-lfs
  sudo bash install.sh
  

安装CMake

• 使用以下命令安装。

  根据系统架构，选择不同的下载链接。

  # x86使用
  curl -O https://cmake.org/files/v3.22/cmake-3.22.2-linux-x86_64.sh
  # aarch64使用
  curl -O https://cmake.org/files/v3.22/cmake-3.22.2-linux-aarch64.sh
  

  执行安装脚本安装CMake，默认安装到/usr/local目录下。

  sudo mkdir /usr/local/cmake-3.22.2
  sudo bash cmake-3.22.2-linux-*.sh --prefix=/usr/local/cmake-3.22.2 --exclude-subdir
  

  最后需要将CMake添加到PATH环境变量中。如果使用默认安装目录执行以下命令，其他安装目录需要做相应修改。

  echo -e "export PATH=/usr/local/cmake-3.22.2/bin:\$PATH" >> ~/.bashrc
  source ~/.bashrc
  

从代码仓下载源码

git clone https://gitee.com/mindspore/mindspore.git

配置环境变量

如果昇腾AI处理器配套软件包没有安装在默认路径，源码编译前以及安装好MindSpore之后，需要导出Runtime相关环境变量，以下命令中LOCAL_ASCEND=/usr/local/Ascend的/usr/local/Ascend表示配套软件包的安装路径，需注意将其改为配套软件包的实际安装路径。

# control log level. 0-DEBUG, 1-INFO, 2-WARNING, 3-ERROR, 4-CRITICAL, default level is WARNING.
export GLOG_v=2

# environment variables
LOCAL_ASCEND=/usr/local/Ascend # the root directory of run package

# set environmet variables using script provided by CANN, swap "ascend-toolkit" with "nnae" if you are using CANN-nnae package instead
source ${LOCAL_ASCEND}/ascend-toolkit/set_env.sh
export ASCEND_CUSTOM_PATH=${LOCAL_ASCEND}/ascend-toolkit/

编译MindSpore

进入MindSpore根目录，然后执行编译脚本。

cd mindspore
bash build.sh -e ascend -S on

其中：

• build.sh中默认的编译线程数为8，如果编译机性能较差，可能会出现编译错误，可在执行中增加-j{线程数}来减少线程数量。如bash build.sh -e ascend -j4。
• 默认从github下载依赖源码，当-S选项设置为on时，从对应的Gitee镜像下载。
• 关于build.sh更多用法，请参看脚本头部的说明。

安装MindSpore

pip install output/mindspore-*.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

在联网状态下，安装whl包时会自动下载MindSpore安装包的依赖项（依赖项详情参见setup.py中的required_package），其余情况需自行安装依赖。

验证是否成功安装

方法一：

执行以下命令：

python -c "import mindspore;mindspore.set_device('Ascend');mindspore.run_check()"

如果输出：

MindSpore version: 版本号
The result of multiplication calculation is correct, MindSpore has been installed on platform [Ascend] successfully!

说明MindSpore安装成功了。

方法二：

执行以下代码：

import numpy as np
import mindspore as ms
import mindspore.ops as ops

ms.set_device("Ascend")
x = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))

如果输出：

[[[[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]

  [[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]

  [[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]]]

说明MindSpore安装成功了。

升级MindSpore版本

在源码根目录下执行编译脚本build.sh成功后，在output目录下找到编译生成的whl安装包，然后执行以下命令进行升级。

从MindSpore 1.x升级到MindSpore 2.x版本时，需要先手动卸载旧版本：

pip uninstall mindspore-ascend

然后安装新版本：

pip install mindspore-*.whl

从MindSpore 2.x版本升级到最新版本时，执行以下命令：

pip install --upgrade mindspore-*.whl