构建镜像所需文件获取链接

软件或文件	获取方法
mindspore-2.2.0-cp37-cp37m-linux_aarch64.whl	获取链接
mindspore-2.2.0-cp37-cp37m-linux_x86_64.whl	获取链接
Ascend-mindxdl-elastic_5.0.RC3_linux-aarch64.zip	获取链接
Ascend-mindxdl-elastic_5.0.RC3_linux-x86_64.zip	获取链接
torch-1.8.1-cp37-cp37m-linux_aarch64.whl	获取链接
torch-1.8.1+cpu-cp37-cp37m-linux_x86_64.whl	获取链接
torch_npu-1.8.1.post2-cp37-cp37m-linux_aarch64.whl	获取链接
torch_npu-1.8.1.post2-cp37-cp37m-linux_x86_64.whl	获取链接
torch-1.11.0-cp37-cp37m-linux_aarch64.whl	获取链接
torch-1.11.0-cp37-cp37m-linux_x86_64.whl	获取链接
torch_npu-1.11.0.post4-cp37-cp37m-linux_aarch64.whl	获取链接
torch_npu-1.11.0.post4-cp37-cp37m-linux_x86_64.whl	获取链接
tensorflow-1.15.0-cp37-cp37m-manylinux2010_x86_64..whl	获取链接
tensorflow-1.15.0-cp37-cp37m-manylinux2014_aarch64.whl	获取链接
tensorflow-2.6.5-cp37-cp37m-manylinux2010_x86_64.whl	获取链接
tensorflow-2.6.5-cp37-cp37m-manylinux2014_aarch64.whl	获取链接
Ascend-cann-kernels-910_7.0.RC1_linux.run	获取链接
Ascend-cann-kernels-910b_7.0.RC1_linux.run	获取链接
Ascend-cann-nnrt_7.0.RC1_linux-aarch64.run	获取链接
Ascend-cann-nnrt_7.0.RC1_linux-x86_64.run	获取链接
Ascend-cann-tfplugin_7.0.RC1_linux-aarch64.run	获取链接
Ascend-cann-tfplugin_7.0.RC1_linux-x86_64.run	获取链接
Ascend-cann-toolkit_7.0.RC1_linux-aarch64.run	获取链接
Ascend-cann-toolkit_7.0.RC1_linux-x86_64.run	获取链接
Ascend-mindx-toolbox_5.0.RC3_linux-aarch64.run	获取链接
Ascend-mindx-toolbox_5.0.RC3_linux-x86_64.run	获取链接
Ascend-mindxsdk-mxvision_5.0.RC2_linux-aarch64.run	获取链接
Ascend-mindxsdk-mxvision_5.0.RC2_linux-x86_64.run	获取链接
h5py-3.1.0-cp37-cp37m-manylinux2014_aarch64.whl	获取链接
libstdc++.so.6.0.24	OS为CentOS时，通过find命令查询libstdc++.so.6.0.24文件所在路径，然后从host拷贝。

构建推理容器镜像

简介

基于镜像树结构来构建容器镜像，具有可扩展性。推理镜像树示意图如图1所示。

表1 昇腾基础镜像树说明

镜像名	说明
ascendbase-infer	安装系统组件等。
ascend-infer	安装离线推理引擎包nnrt等。

前提条件

• 容器场景，需用户自行安装docker（版本要求大于等于18.03）。
• 容器OS镜像可从Docker Hub拉取。
• 宿主机已安装驱动和固件，安装操作可参考《CANN 软件安装指南》。

构建推理镜像步骤

1.以root用户登录服务器。

2.构建镜像ascendbase-infer。

a.进入Dockerfile所在路径（请根据实际路径修改）。

cd ascendbase-infer/{os}-{arch}

其中{os}表示容器镜像操作系统版本，{arch}表示架构，请根据实际情况替换。

b.请在当前目录准备以下文件

表2 所需文件

文件	说明	获取方法
Dockerfile	制作镜像需要。	已存在于当前目录。用户可根据实际需要自行定制。
EulerOS.repo	yum源配置文件。	仅容器镜像OS为EulerOS2.8时需准备。
libstdc++.so.6.0.24	动态库文件。	仅当容器镜像OS为CentOS时需要准备libstdc++.so.6.0.24文件。可以通过find命令查询libstdc++.so.6.0.24文件所在路径，然后从host拷贝。

c.在当前目录执行以下命令构建镜像ascendbase-infer。

docker build -t ascendbase-infer:base_TAG .

注意不要遗漏命令结尾的“.”，命令解释如表3所示。 如需在此步骤配置系统网络代理，命令参考如下：

docker build -t ascendbase-infer:base_TAG --build-arg http_proxy=http://proxyserverip:port --build-arg https_proxy=http://proxyserverip:port .

其中proxyserverip为代理服务器的ip地址，port为端口。

表3 命令参数说明

参数	说明
ascendbase-infer:base_TAG	镜像名称与标签，建议将base_TAG命名为“日期-容器OS-架构”（例如“20210106-ubuntu18.04-arm64”）。

当出现“Successfully built xxx”表示镜像构建成功。

4.基于镜像ascendbase-infer，构建镜像ascend-infer。 a.进入Dockerfile所在路径（请根据实际路径修改）。

cd ascend-infer

b.请在当前目录准备以下软件包和相关文件。

表4 所需软件或文件

软件或文件	说明	获取方法
Ascend-cann-nnrt_{version}_linux-{arch}.run	离线推理引擎包。其中{version}表示软件包版本，{arch}表示架构。	获取链接
Dockerfile	制作镜像需要。	已存在于当前目录。用户可根据实际需要自行定制。
ascend_install.info	软件包安装日志文件	已存在于当前目录。
version.info	driver包版本信息文件	已存在于当前目录。

c.在当前目录执行以下命令构建镜像ascend-infer。

docker build -t ascend-infer:infer_TAG --build-arg BASE_VERSION=base_TAG --build-arg .

注意不要遗漏命令结尾的“.”命令解释如表5所示。

表5 命令参数说明

参数	说明
ascend-infer:infer_TAG	镜像名称与标签，建议将infer_TAG命名为“软件包版本-容器OS-架构”（例如“20.2.rc1-ubuntu18.04-arm64”）。
--build-arg	指定dockerfile文件内的参数。
BASE_VERSION	base_TAG为3.c中设置的镜像标签。

当出现“Successfully built xxx”表示镜像构建成功。

5.构建完成后，执行以下命令查看镜像信息。

docker images

构建训练镜像步骤

简介

本文档基于镜像树结构来构建容器镜像，具有可扩展性。 训练镜像树示意图如图2所示。

图2 训练镜像树示意图

表6 昇腾基础镜像树说明

镜像名	说明
ascendbase-toolkit	安装系统组件及python第三方依赖等。
ascend-toolkit	安装训练软件包toolkit等。
ascend-tensorflow	安装框架插件包tfplugin和Tensorflow框架。

前提条件

• 容器场景，需用户自行安装docker（版本要求大于等于18.03）。
• 容器OS镜像可从Docker Hub拉取。 由于 Docker Hub 中不存在 openeuler 20.03 的镜像，如果需要可参考以下网址自行获取：
  • aarch64：http://repo.openeuler.org/openEuler-20.03-LTS-SP2/docker_img/aarch64/
  • x86_64：http://repo.openeuler.org/openEuler-20.03-LTS-SP2/docker_img/x86_64/
• 宿主机已安装驱动和固件，详情请参见《CANN 软件安装指南》。

操作步骤

1.以root用户登录服务器。

2.构建镜像ascendbase-toolkit。

a.进入Dockerfile所在路径（请根据实际路径修改）。

cd ascendbase-toolkit/{os}-{arch}

其中{os}表示容器镜像操作系统版本，{arch}表示架构，请根据实际情况替换。

b.请在当前目录准备以下文件。

表7 所需文件

文件	说明	获取方法
Dockerfile	制作镜像需要。	已存在于当前目录。用户可根据实际需要自行定制。
libstdc++.so.6.0.24	动态库文件。	仅当容器镜像OS为CentOS时需要准备libstdc++.so.6.0.24文件。可以通过find命令查询libstdc++.so.6.0.24文件所在路径，然后从host拷贝。

c.在当前目录执行以下命令构建镜像ascendbase-toolkit。

docker build -t ascendbase-toolkit:base_TAG .

注意不要遗漏命令结尾的“.”，命令解释如表8所示。构建镜像时，如果在pip安装python依赖包时出现超时或证书错误，请修改Dockerfile更换pip源。 如需在此步骤配置系统网络代理，命令参考如下：

docker build -t ascendbase-toolkit:base_TAG --build-arg http_proxy=http://proxyserverip:port --build-arg https_proxy=http://proxyserverip:port .

其中proxyserverip为代理服务器的ip地址，port为端口。

表8 命令参数说明

参数	说明
ascendbase-toolkit:base_TAG	镜像名称与标签，建议将base_TAG命名为“日期-容器OS-架构”（例如“20210106-ubuntu18.04-arm64”）。

当出现“Successfully built xxx”表示镜像构建成功。

3.基于镜像ascendbase-toolkit，构建镜像ascend-toolkit。

a.进入Dockerfile所在路径（请根据实际路径修改）。

cd ascend-toolkit

请在当前目录准备以下软件包和相关文件。

表9 所需软件或文件

软件或文件	说明	获取方法
Ascend-cann-toolkit_{version}_linux-{arch}.run	深度学习加速引擎包。其中{version}表示软件包版本，{arch}表示架构。	获取链接
Dockerfile	制作镜像需要。	已存在于当前目录。用户可根据实际需要自行定制。

c.在当前目录执行以下命令构建镜像ascend-toolkit。

x86_64: docker build -t ascend-toolkit:toolkit_TAG --build-arg BASE_VERSION=base_TAG .
aarch64: docker build -t ascend-toolkit:toolkit_TAG --build-arg BASE_VERSION=base_TAG -f Dockerfile_aarch64 .

注意不要遗漏命令结尾的“.”，命令解释如表4-5所示。

表10 命令参数说明

参数	说明
ascend-toolkit:toolkit_TAG	镜像名称与标签，建议将toolkit_TAG命名为“软件包版本-容器OS-架构”（例如“20.2.rc1-ubuntu18.04-arm64”）。
--build-arg	指定dockerfile文件内的参数。
BASE_VERSION	base_TAG为3.c中设置的镜像标签。

当出现“Successfully built xxx”表示镜像构建成功。

4.基于镜像ascend-toolkit，构建镜像ascend-tensorflow。

a.进入Dockerfile所在路径(请根据实际路径修改）。

cd ascend-tensorflow

b.请在当前目录准备以下软件包和相关文件。

表11 所需软件或文件

软件或文件	说明	获取方法
Ascend-cann-tfplugin_{version}_linux-{arch}.run	框架插件包。其中{version}表示软件包版本，{arch}表示架构。	获取链接
tensorflow-1.15.0-cp37-cp37m-*.whl	tensorflow框架whl包	可参考《CANN 软件安装指南》中“安装深度学习框架”章节。
Dockerfile	制作镜像需要。	已存在于当前目录。用户可根据实际需要自行定制。
ascend_install.info	软件包安装日志文件	已存在于当前目录。
version.info	driver包版本信息文件	已存在于当前目录。

c.在当前目录执行以下命令构建镜像ascend-tensorflow。

docker build -t ascend-tensorflow:tensorflow_TAG --build-arg BASE_VERSION=toolkit_TAG .

注意不要遗漏命令结尾的“.”，命令解释如表12所示 如需在此步骤配置系统网络代理，命令参考如下：

docker build -t ascend-tensorflow:tensorflow_TAG --build-arg BASE_VERSION=toolkit_TAG --build-arg http_proxy=http://proxyserverip:port --build-arg https_proxy=http://proxyserverip:port .

其中proxyserverip为代理服务器的ip地址，port为端口。

表12 命令参数说明

参数	说明
ascend-tensorflow:tensorflow_TAG	镜像名称与标签，建议将tensorflow_TAG命名为“软件包版本-容器OS-架构”（例如“20.2.rc1-ubuntu18.04-arm64”）。
--build-arg	指定dockerfile文件内的参数。
BASE_VERSION	toolkit_TAG为4.c中设置的镜像标签。

当出现“Successfully built xxx”表示镜像构建成功。

5.构建完成后，执行以下命令查看镜像信息。

docker images

公网URL，用于下载系统依赖或python第三方库

ubuntu.com
gcc.gnu.org
myhuaweicloud.com
pypi.doubanio.com
bootstrap.pypa.io
repo.huaweicloud.com
mirrors.huaweicloud.com
pypi.mirrors.ustc.edu.cn
mirrors.tuna.tsinghua.edu.cn

注意事项

• 如果下载系统依赖时官方源太慢的话，可以自行设置其他源。
• 如果pip官方源太慢的话，可以自行设置其他源。

License

Apache License 2.0