## 从零搭建国产DCU开发环境：一份写给新手的实操指南 如果你刚拿到一台搭载海光DCU的服务器，第一反应可能是：“这东西怎么用？” 这不是你一个人的困惑。国产加速卡最大的门槛从来不在硬件本身，而在于**环境怎么搭、软件怎么装、代码怎么跑**。驱动装不上、DTK版本对不上、PyTorch找不到卡——每一个坑都足以让新手劝退。 这篇文章，我把DCU环境部署的完整流程拆解出来，从硬件检查到跑通第一个模型，手把手带你走一遍。 ### 一、环境部署到底要装什么？ 在动手之前，先搞清楚DCU软件栈的层次结构： - **驱动（Driver）** ：最底层，让操作系统认识DCU硬件 - **DTK（DCU Toolkit）** ：开发工具包，提供编译器、数学库、通信库等 - **DAS（DCU AI Software Stack）** ：AI软件栈，包含PyTorch、vLLM等框架的DCU适配版 可以这样理解：驱动是“让DCU能工作”，DTK是“让开发者能编程”，DAS是“让AI模型能跑起来”。三者缺一不可。 ### 二、动手前先做三件事 **第一件事：检查DCU硬件状态** 用 `lspci`命令看看DCU是否被正确识别： ```bash lspci | grep -i Co-processor ``` 正常输出应该看到类似这样的信息： ``` 05:00.0 Co-processor: Chengdu C-3000 IC Design Co., Ltd. BW (rev 01) ``` **重点关注 `rev`后面的数字**：`rev 01`表示设备正常，可以继续安装；如果看到 `rev ff`，说明设备已经工作异常，需要硬重启恢复【文档1.1】。 **第二件事：检查BAR地址** DCU支持的BAR寄存器地址在44bit以内，需要确认分配地址没有超限【文档1.1】： ```bash lspci -vvvd 1d94:6320 | grep -i region ``` 如果地址超出44bit（>=12位十六进制位），需要在BIOS中调整MMIO High Base设置【文档1.1】。 **第三件事：安装系统依赖** 不同操作系统的依赖包略有不同，以CentOS/Red Hat系为例【文档1.2】： ```bash yum install -y pciutils policycoreutils-python yum-utils wget numactl-devel mlocate yum install -y kernel-devel-$(uname -r) kernel-modules-extra-$(uname -r) yum install -y automake gcc-c++ rpm-build cmake elfutils-libelf-devel ``` > ⚠️ **版本要求**：gcc需要>=7.3，cmake需要>=3.5【文档1.2】。如果系统自带版本过低，需要先升级。 ### 三、安装驱动：让DCU“活”起来 **下载驱动** 从光合开发者社区下载对应型号的驱动包： ``` https://download.sourcefind.cn:65024/6/main/latest驱动 ``` 驱动包命名格式为 `rock-{版本号}-{包版本号}.run`，例如 `rock-6.3.28-V1.3.0b.run`【文档1.3】。 **安装驱动** ```bash chmod +x rock-*.run ./rock-6.3.28-V1.3.0b.run ``` 推荐使用 `-A`参数进行全自动安装，驱动会自动升级所有内容（驱动、配置文件、DCU VBIOS、HY Switch固件）【文档1.3】。 安装过程中会询问几个问题： - 是否升级VBIOS？建议选 `Y` - 是否升级HY Switch固件？选 `Y`（若升级则需要重启物理机） - 是否需要指定互联类型？BW系列DCU支持通过 `-t`参数指定互联拓扑【文档1.3】 **验证驱动** 从6.3.*版本开始，驱动模块名称改为 `hycu`（之前叫 `hydcu`）【文档1.4】： ```bash lsmod | grep hycu hy-smi # 查看DCU状态 ``` 如果 `hy-smi`能正常显示DCU的温度、功耗、显存使用率等信息，说明驱动安装成功【文档3.3】。 > ⚠️ **版本选择小贴士**：如果打算用Ollama等工具，建议安装6.2.x以下版本（驱动标识为 `hydcu`），因为Ollama目前只识别这个标识。如果主要做AI开发，6.3.*版本功能更完整。 ### 四、安装DTK：给开发者一把“钥匙” DTK（DCU Toolkit）是DCU上的开发工具包，相当于NVIDIA的CUDA Toolkit。 **下载与解压** ``` https://download.sourcefind.cn:65024/1/main → DTK Toolkit ``` 选择对应操作系统版本的压缩包下载： ```bash tar xvf DTK-25.04.4-CentOS8.5-x86_64.tar.gz -C /opt ln -s /opt/DTK-25.04.4 /opt/dtk # 创建软链接，方便后续版本切换 ``` **配置环境变量** 方式一：直接加载脚本【文档3.2】 ```bash source /opt/dtk/env.sh echo "source /opt/dtk/env.sh" >> ~/.bashrc ``` 方式二：使用Environment Module（推荐多版本管理场景）【文档3.2】 ```bash yum install -y environment-modules # 在/opt/dtk/下创建module文件后 module load dtk/25.04.4 ``` **验证DTK** ```bash rocminfo | grep -i gfx # 应该能看到gfx936等DCU代号 ``` 如果能看到DCU设备信息，说明DTK安装成功【文档3.3】。 ### 五、安装DAS：让AI模型跑起来 DAS是DCU上的AI软件栈，提供了PyTorch、vLLM等框架的DCU适配版本。 **版本匹配是关键** DAS组件的版本必须与DTK版本严格对应【文档4.2.1】。例如： | DTK版本 | PyTorch版本 | vLLM版本 | | ------- | ----------------------- | ----------------------- | | 24.04.2 | 2.3.0+das.opt1.dtk24042 | 0.5.0+das.opt1.dtk24042 | | 25.04 | 2.4.1+das.opt2.dtk2504 | 0.6.2+das.opt3.dtk2504 | | 25.04.2 | 2.7.1+das.opt1.dtk25042 | 0.9.2+das.opt1.dtk25042 | > ⚠️ **踩坑提醒**：不要混装不同DTK版本的包！否则会出现符号找不到、算子报错等各种诡异问题。 **安装PyTorch** 从光合开发者社区下载对应版本的wheel包： ```bash pip install torch-2.3.0+das.opt2.dtk24043-cp310-cp310-manylinux_2_28_x86_64.whl ``` 验证安装： ```python python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())" # 预期输出：2.3.0 和 True ``` 如果输出 `True`，说明PyTorch能正常调用DCU。 **安装vLLM（可选）** ```bash pip install vllm-0.6.2+das.opt1.dtk24043-cp310-cp310-manylinux_2_28_x86_64.whl python -c "import vllm; print(vllm.__version__)" ``` ### 六、进阶方案：容器化部署（强烈推荐） 手动部署的坑实在太多了——依赖版本对不上、环境变量没配好、内核模块没加载……每一个问题都够折腾半天。 **强烈推荐直接用DCU容器镜像**。 光合开发者社区提供了大量预装好DTK和AI框架的Docker镜像： ```bash docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.3.0-py3.10-dtk24.04.3 ``` 启动容器： ```bash docker run -it \ --network=host \ --ipc=host \ --shm-size=64G \ --device=/dev/kfd \ --device=/dev/dri \ -v /opt/hyhal:/opt/hyhal \ --group-add video \ --cap-add=SYS_PTRACE \ --security-opt seccomp=unconfined \ image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.3.0-py3.10-dtk24.04.3 \ /bin/bash ``` 几个关键参数说明【文档5.1】： - `--device=/dev/kfd`和 `--device=/dev/dri`：让容器访问DCU设备 - `--shm-size=64G`：共享内存要足够大，默认64M完全不够用 - `-v /opt/hyhal:/opt/hyhal`：挂载DTK运行时库（DTK 23.10以上版本必须） - `--group-add video`：普通用户使用DCU需要加入video组 进入容器后直接 `hy-smi`检查DCU状态，然后就能开始跑模型了【文档5.1】。 ### 七、常见问题速查 **Q：驱动装完重启后DCU不见了？** A：检查BIOS中是否开启了 `nomodeset`启动参数。如果开启了，驱动可能无法正常加载【文档3.1】。 **Q：容器里找不到DCU？** A：检查是否挂载了 `/opt/hyhal`目录，以及 `--device`参数是否正确。6.3.*版本驱动下，还需要挂载 `/sys/kernel/debug`路径。 **Q：`torch.cuda.is_available()`返回False？** A：先确认 `hy-smi`能看到DCU，再确认DTK版本与PyTorch wheel包版本匹配。 **Q：驱动安装时提示 `rev ff`？** A：设备已工作异常，需要硬重启（断电重启）恢复【文档1.1】。 ### 八、总结 从零搭建DCU开发环境，核心就三步： 1. **装驱动**：让DCU硬件被系统识别 2. **装DTK**：获得开发工具和基础库 3. **装DAS**：获得AI框架支持 每一步都有版本匹配的要求——驱动版本要匹配硬件型号【文档1.3】，DTK版本要匹配驱动版本，DAS组件版本要匹配DTK版本【文档4.2.1】。任何一个环节对不上，都可能让你卡上半天。 **如果你只是想快速上手，直接走容器化路线**——拉一个官方镜像，几分钟就能拥有一个完整的DCU开发环境。等跑通了、熟悉了，再回头研究手动部署也不迟。 国产化硬件的发展确实“任重道远”，但工具链正在快速成熟。从驱动到DTK再到DAS，海光DCU的软件栈已经覆盖了从底层到上层的完整链条。剩下的，就是开发者们多踩坑、多填坑，让这条路越走越宽。