总体开发环境如下图：

注意：本系列实验推荐配置为： CANN 8.0.0 beta1 + mindspore 2.2.14 + ACLLite
如果发现 mindspore 版本要求不一样，可以使用 jupyter 魔法指令来升级 mindspore，而不需要升级 CANN 。

芯片与操作系统

硬件规模参数
采用昇腾 320b1 NPU 芯片（4 核 64 位 Arm 处理器 + AI 处理器）
CPU 架构为 AArch64
本实验下载的操作系统镜像为 Ubuntu 22.04.3 LTS

固件与驱动

社区版-固件与驱动-昇腾社区

最新驱动版本为 1.0.0 alpha，他最高支持到 CANN 版本为 7.0.0.beta1 (实验中可以尝试升级 CANN 版本)
可以使用 npu-smi info 来查看当前驱动版本，例如下面显示驱动版本为 23.0.0

使用 sudo cat /usr/local/Ascend/firmware/version.info 来显示固件信息，例如下面显示固件版本为 7.1.0

本实验无须升级固件

CANN

昇腾异构计算架构CANN-昇腾社区
CANN (Compute Architecture for Neural Networks) 是华为公司针对 AI 场景推出的异构计算架构，通过提供多层次的编程接口，支持用户快速构建基于昇腾平台的 AI 应用和业务。 下面是几个重要概念：

1. AscendCL：昇腾硬件的统一编程接口，包含了编程模型、硬件资源抽象、AI 任务及内核管理、内存管理、模型和算子调用、媒体预处理接口、加速库调用等一系列功能，充分释放昇腾系统多样化算力，使能开发者快速开发 AI 应用 (类似 CUDA、OpenCL，是昇腾平台的 API 库，只能调用已有算子，不能自定义内核运算，面向 " 调用 " 层，而非 " 计算 " 层。开发你自己的 AI 推理应用程序，控制 " 如何加载模型、准备数据、执行推理、取回结果 “，让模型在昇腾硬件上真正 " 跑起来 “)。
2. Ascend C：面向算子开发场景的编程语言，原生支持 C 和 C++ 标准规范，最大化匹配用户开发习惯；通过多层接口抽象、自动并行计算、孪生调试等关键技术，极大提高算子开发效率，助力 AI 开发者低成本完成算子开发和模型调优部署（可以自己用 Ascend C 写算子，并编译为昇腾芯片能识别的格式**）。
3. 算子库：基于昇腾处理器，深度协同优化的高性能算子库（华为官方已经为常见网络算子（如 Conv、MatMul、BN 等）做了优化，用户可以直接调用。）。
4. ATC 工具：模型转换工具（将其他模型格式（例如 ONNX 网络模型）转成昇腾专用的 model.om 格式（离线模型）），用于 AsencdCL 进行推理应用的开发。
   本实验可以将 CANN 升级到 8.0.0 beta1 或者更高（固件支持最高为 7.0.0，高版本 CANN 工具包可能引起兼容性问题） 社区版资源下载-资源下载中心-昇腾社区

CANN 升级指南

注意：使用 root 用户来完成 CANN 的升级

su - root

查看当前 CANN 版本

使用如下命令查看，当前 CANN 版本，例如我已经升级到 8.0.0 版本

cd /usr/local/Ascend/ascend-toolkit/latest/aarch64-linux
cat ascend_toolkit_install.info

删除原来的 CANN（非必要不要删除）

打开 ascend-toolkit 所在目录

cd /usr/local/Ascend/ascend-toolkit

如果香橙派磁盘不足，可以把旧的 Toolkit 删除：

rm -rf *

下载 CANN 工具包并上传到香橙派

打开昇腾 CANN 官网访问社区版资源 下载地址，下载所需版本的 toolkit 包，例如这里选择 8.0.0 beta1 的 CANN 开发工具包。

将上面这个 CANN 软件上传到 香橙派对应的 /usr/local/Ascend/ascend-toolkit/

方法一：使用 scp 命令：

在下载的 Ascend-cann-toolkit_8.0.0_linux-aarch64.run 相应文件夹下，执行命令：

scp Ascend-cann-toolkit_8.0.0_linux-aarch64.run root@192.168.137.100:/usr/local/Ascend/ascend-toolkit/

方法二：使用 MobaXterm ftp 上传：

安装 CANN

在 /usr/local/Ascend/ascend-toolkit 路径下执行：

chmod +x Ascend-cann-toolkit_8.0.0_linux-aarch64.run
./Ascend-cann-toolkit_8.0.0_linux-aarch64.run --install

安装时弹出此提示后输入 Y，然后按回车键继续安装，该过程约需要 10-15 分钟，请耐心等待。
安装成功如下：

重启加载环境变量：

sudo reboot

安装 CANN kernels 包

打开昇腾 CANN 官网访问社区版资源 下载地址，下载所需版本的 kernels 包，例如这里选择 8.0.0 beta1 的 CANN 开发工具包。

同理上传文件到指定香橙派目录:

scp Ascend-cann-kernels-310b_8.0.0_linux-aarch64.run root@192.168.137.100:/usr/local/Ascend/ascend-toolkit/

在 /usr/local/Ascend/ascend-toolkit 路径下执行：

chmod +x Ascend-cann-kernels-310b_8.0.0_linux-aarch64.run
./Ascend-cann-kernels-310b_8.0.0_linux-aarch64.run --install

安装时弹出此提示后输入 Y，然后按回车键继续安装，该过程约需要 10-15 分钟，请耐心等待。
安装成功如下：

深度学习框架：mindspore

介绍

mindspore 的硬件平台支持：Ascend、CPU 和 GPU。
可以在不同操作系统中安装：

1. Linux：Ascend、CPU、cuda
2. Windows：cpu
3. macOS：cpu

安装或升级 Mindspore

MindSpore安装 | 昇思MindSpore社区
开发板的 Ubuntu 系统中已经预装了 MindSpore 2.2.12，实验中可以安装新版本的 mindspore，具体依照实验，注意 mindspore 版本和 cann toolkit 的兼容关系，可以在 历史版本 | 昇思MindSpore社区 中查看，mindspore 版本和 cann 的兼容关系。例如 CANN 7.0.0.beta1 最高支持到 cann2.2.14。

查看当前 Mindspore 版本

使用如下命令，可以查看当前安装的 mindspore 版本：

python -c \
"import mindspore;mindspore.set_context(device_target='Ascend');mindspore.run_check()"

安装或升级 Mindspore

使用如下命令安装 mindspore，例如这里安装

pip install mindspore==2.4.10

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

pip uninstall mindspore-ascend

ACLLite

ACLLite 库是对 CANN 提供的 ACL 接口进行的高阶封装，简化用户调用流程，为用户提供一组简易的公共接口。当前主要针对边缘场景设计。

软件架构

安装教程

安装依赖 Ffmpeg

通过如下命令查询 OS 版本

lsb_release -a

根据查询结果选择安装方式 Ubuntu 22.04 及以上版本的用户建议使用 apt 安装

sudo apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev

更新 ACLLite 仓库

拉取 ACLLite 仓库，并进入目录

git clone https://gitee.com/ascend/ACLLite.git
cd ACLLite

设置环境变量，其中 DDK_PATH 中/usr/local 请替换为实际 CANN 包的安装路径

export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest
export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub

安装，编译过程中会将库文件安装到/lib 目录下，所以会有 sudo 命令，需要输入密码

bash build_so.sh

最终会在 /usr/local/Ascend/thirdpart/aarch64/acllite 中看到使用 python 封装过的 api，如下：