海光DTK开发环境安装与Docker环境部署

---

前言

公司目前在做国产化适配，设计包含华为昇腾系列、海光DCU等，本文记录下海光机器的部署过程。
简单介绍下，DCU指的是深度计算处理器（Deep-learning Computing Unit），是海光信息GPU架构的适用于计算密集型任务加速的协处理器产品。这个DCU产品的有趣在于，它基于海光DTK（DCU Toolkit计算平台库），全面兼容适配ROCm GPU计算生态，由此对齐CUDA生态、工具链和开发者环境等。可以简单的理解为海光DTK与DCU，对标英伟达的CUDA及GPU。

---

一、基础环境

Ubuntu22.04操作系统
内核版本 5.15.0-157-generic
选取DTK版本 25.04

二、DTK开发环境安装

2.1 安装相关依赖

安装DCU加速卡驱动所需的依赖包命令：：

sudo apt-get update 
sudo apt-get install -y cmake 
sudo apt-get install -y gcc 
sudo apt-get install -y g++ 
sudo apt-get install -y autoconf 
sudo apt-get install -y linux-kernel-headers  
sudo apt-get install -y kernel-package 

安装DTK-25.04所需要的依赖包命令：

sudo apt-get install -y make gcc g++ cmake git wget gfortran elfutils libdrm-dev 
sudo apt-get install -y kmod libtinfo5 sqlite3 libsqlite3-dev libelf-dev  
sudo apt-get install -y libnuma-dev libgl1-mesa-dev rpm rsync mesa-common-dev apt-utils 
sudo apt-get install -y cmake libpci-dev pciutils libpciaccess-dev libbabeltrace-dev pkg-config 
sudo apt-get install -y libfile-which-perl libfile-basedir-perl libfile-copy-recursiveperl libfile-listing-perl 
sudo apt-get install -y python3 python3-pip python3-dev python3-wheel 
sudo apt-get install -y gettext gettext-base libprotobuf-dev tcl 
sudo apt-get install -y libio-digest-perl libdigest-md5-file-perl libdata-dumper simple-perl vim curl libcurlpp-dev 
sudo apt-get install -y doxygen graphviz texlive libncurses5 msgpack* 

根据系统内核版本安装所需包：

# 查看内核
uname -r  
#（例如）uname -r 显示 5.15.0-157-generic 
# 查看可用内核
apt list linux-image-5.15.0-157-generic
# 安装指定版本
sudo apt-get install -y linux-image-5.15.0-157-generic

2.2 安装DCU加速卡驱动

下载驱动
https://download.sourcefind.cn:65024/6/main/ ->dtk-25.04驱动->rock-6.3.15-V1.0.1.run

安装DCU加速卡驱动

chmod 755 rock-6.3.15-V1.0.1.run
./rock-6.3.15-V1.0.1.run

重启机器

reboot

三、Docker环境部署

3.1 Docker基本环境安装

添加阿里云的GPG密钥

curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

设置存储库

sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

安装最新版本的Docker

sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin

验证Docker是否安装成功

docker version

验证 Docker 服务是否在运行

systemctl status docker

启动Docker服务

sudo systemctl start docker

设置Docker服务在每次开机时自动启动

sudo systemctl enable docker

3.2 部署pytorch镜像

方式一：通过光源直接docker pull拉取镜像
https://sourcefind.cn/#/service-list

可以选用2.4.1-ubuntu22.04-dtk25.04-py3.10 版本镜像

docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.4.1-ubuntu22.04-dtk25.04-py3.10

方式二：直接加载打包好的tar包镜像

docker load -i xxxxxx.tar.gz

3.3 部署pytorch镜像

查看目前的docker镜像

docker images

创建docker容器

docker run -it --name ai_dcu --network=host --privileged  --ipc=host --shm-size=1G --device=/dev/kfd --device=/dev/mkfd --device=/dev/dri -v /opt/hyhal:/opt/hyhal -v /home/suma/:/home/suma -v /etc/machine-id:/etc/machine-id -v /sbin/dmidecode:/sbin/dmidecode -v /dev/mem:/dev/mem -v /data_1/files:/data_1/files --group-add video  --cap-add=SYS_PTRACE  --security-opt seccomp=unconfined  dcu/admin/base/pytorch2.4.1-ubuntu22.04-dtk25.04-py3.10:v1 /bin/bash

其中dcu/admin/base/pytorch2.4.1-ubuntu22.04-dtk25.04-py3.10:v1改为自己的docker镜像信息即可

进入容器

docker exec -it xxxxx bash

docker查看DCU信息：

rocm-smi

至此就可以在Docker下可以正常使用DCU进行测试了。

---

总结

笔者在后续的代码移植过程中，涉及到pytorch部分的代码基本上没什么变动，可以实现无痛复制张贴，使得项目代码可以较快速的移植，由于没有进行加速推理优化，直接使用pytorch模型推理速度肯定是比不上使用nvidia的tensorrt模型推理速度的，只能说是能用。后续有时间可以再研究一波，海光自研的高性能深度学习推理引擎MIGraphX。

参考文献：
https://blog.youkuaiyun.com/u013185349/article/details/145605085
https://download.sourcefind.cn:65024/4/main
https://sourcefind.cn/#/service-list

2025年10月24日09:43:13