Linux系统--实现天垓100支持部署模型

Linux 系统实现天垓 100 支持部署模型

最近在研究大模型训练，硬件环境为飞腾 5000C + 天垓 100 的国产服务器，操作系统是麒麟。由于系统封闭、很多依赖无法更新到最新，尤其在宿主机环境调试时被“折磨”了两天。最终通过使用天数官方提供的 Docker 容器，顺利完成部署。

本文记录整个过程，供后续复现和排查问题参考。

宿主机环境准备

安装 Python 和 pip

1
2
3

yum install python3-pip
pip3 --version
# 输出示例：pip 20.2.2 from /usr/lib/python3.7/site-packages/pip (python 3.7)

安装 opencv-python

1	pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

安装 opencv-contrib-python（带扩展模块）

1	pip3 install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple

验证安装

1 2	python3 -c "import cv2; print(cv2.__version__)" # 示例输出：4.12.0

常见错误与解决方案
❌ 错误 1：pip 下载超时

1	socket.timeout: The read operation timed out

✅ 解决：

使用清华源安装（-i 参数）；
建议 Python 版本 ≥ 3.8，提高兼容性。

❌ 错误 2：找不到 libGL.so.1

1	libGL.so.1: cannot open shared object file: No such file or directory

✅ 解决：

1	apt-get install -y libgl1-mesa-glx

❌ 错误 3：找不到合适版本的 numpy

1	Could not find a version that satisfies the requirement numpy>=1.23.5

✅ 解决：

1 2	# 降级安装指定版本 pip3 install numpy==1.23.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

YOLOv5 安装与测试

由于宿主机依赖不全，直接运行 YOLOv5 报错，转而使用 Docker 容器部署，最终通过天数官方容器成功调用天垓 100 算力卡。

容器镜像地址：
👉 天数容器镜像：下载地址

本文选择的是buntu20.04-py3.10-arm64
📄 详细步骤参看本博客另一篇文章Linux系统-安装YOLOv5

快速部署流程

安装 Miniconda（如尚未安装）

1
2
3

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
bash Miniconda3-latest-Linux-aarch64.sh
source ~/.bashrc

克隆 YOLOv5 项目

1 2	git clone https://github.com/ultralytics/yolov5.git cd yolov5

安装依赖

1	pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

下载模型权重

1	wget https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt

运行测试

1	python detect.py --weights yolov5s.pt --source ./zidane.jpg

安装天数 Docker 容器

下载 .run 安装器后放在宿主机目录下，执行：

1
2
3

# 确认文件名称正确
chmod +x corex-docker-installer-ibuntu20.04-py3.10-arm64.run
./corex-docker-installer-ibuntu20.04-py3.10-arm64.run

安装界面弹窗无需选择任何选项，直接继续安装。

⚠️ 如果报错提示 Docker 未启动：

1 2	# 启动 Docker systemctl start docker

安装其他依赖库（可选）

1	pip install scikit-learn joblib seaborn thop ipython gitpython

验证环境是否配置成功

# OpenCV
python3 -c "import cv2 ;print(cv2.__version__)"
# 输出示例：4.6.0

# PyTorch
python3 -c "import torch ;print(torch.__version__)"
# 输出示例：2.1.0

# CUDA 是否可用
python3 -c "import torch ;print(torch.cuda.is_available())"
# 输出：True

# 查看 GPU 设备信息
python3 -c "import torch ;print(torch.cuda.device_count())"
# 输出：2

python3 -c "import torch ;print(torch.cuda.get_device_name(0))"
# 输出：Iluvatar BI-V100