在 AI 框架与硬件加速领域，昇腾 CANN（Compute Architecture for Neural Networks）作为华为面向昇腾芯片的异构计算架构，一直是开发者关注的焦点。但不少初次接触的同学会被 “异构计算”“算子适配” 等概念劝退，尤其在环境部署环节容易踩坑。本文以真实操作流程为核心，用小白能懂的语言，带大家完成 CANN 环境的初次部署与基础验证，确保跟着做就能成功。

一、前置认知：先搞懂 CANN 到底是 “啥”？

在部署前先澄清一个常见误解：CANN 不是 AI 框架，而是 “桥梁”。简单说，它一边连接 TensorFlow/PyTorch 等 AI 框架，另一边连接昇腾芯片（如 Atlas 200I），负责把框架的计算需求翻译成芯片能看懂的指令，同时提供算子库、性能优化工具等能力。

对我们开发者而言，初次接触只需关注两个核心组件：

• Ascend Toolkit：CANN 的开发工具包，包含编译工具、调试工具、算子库，是部署的核心；
• Ascend Device Plugin（可选）：如果用 Docker 部署，需要这个插件让容器识别昇腾硬件。

本次部署环境：

二、部署全流程：从环境检查到成功运行

步骤 1：硬件与系统预处理（避坑重点！）

很多人第一步就卡在这里 ——硬件没认到。先执行以下命令检查昇腾设备是否被系统识别：

bash

lspci | grep -i ascend

验证是否配置成功：执行atc --version，若显示 Toolkit 版本信息，则环境变量配置正确。

• ✅ 成功识别：会显示类似 “00:0c.0 Processing accelerators: Huawei Technologies Co., Ltd. Ascend 310” 的信息；
• ❌ 未识别：检查开发板供电是否正常、PCIe 插槽是否插紧，或重新安装昇腾驱动（驱动需与 Toolkit 版本匹配，官网可查）。

• 步骤 2：安装 CANN Toolkit（核心步骤）

  官方文档写得较复杂，这里简化为 3 条关键命令，注意所有操作需用 root 权限：

• 下载 Toolkit 安装包：从昇腾官网下载对应版本（选择 “Ubuntu 20.04 + x86_64”，文件格式为.run）；
• 
• 赋予执行权限：

  bash

  chmod +x Ascend-Toolkit-7.0.RC1.alpha003-linux-x86_64.run
  

• 静默安装（避免图形化界面报错）：

  bash

  ./Ascend-Toolkit-7.0.RC1.alpha003-linux-x86_64.run --install --install-path=/usr/local/Ascend --chip=ascend310
  

  安装完成后，会提示 “Install successfully”。

• 步骤 3：配置环境变量（必做，否则命令无效）

  Toolkit 安装后不会自动配置环境，需手动添加到~/.bashrc文件：

• 打开配置文件：

  bash

  vim ~/.bashrc
  

• 在文件末尾添加以下内容（路径需与安装路径一致）：

  bash

  # CANN环境变量
  export ASCEND_TOOLKIT_PATH=/usr/local/Ascend/ascend-toolkit/latest
  export LD_LIBRARY_PATH=$ASCEND_TOOLKIT_PATH/lib64:$LD_LIBRARY_PATH
  export PATH=$ASCEND_TOOLKIT_PATH/bin:$PATH
  

• 生效配置：

  bash

  source ~/.bashrc
  

步骤 4：跑通第一个 CANN 示例 —— 算子功能验证

环境搭好后，用官方最简单的 “Add 算子” 示例验证是否能正常工作（算子是 CANN 的最小计算单元，Add 就是做加法运算）。

• 创建测试目录并编写代码（新建test_add.py）：

  python

  import numpy as np
  from ascendcl import *  # CANN的Python接口
  
  # 1. 初始化CANN环境
  aclInit()
  # 2. 创建设备上下文（指定设备0，若只有1块芯片则为0）
  device_id = 0
  aclrtCreateContext(None, device_id)
  # 3. 定义输入数据（两个1x2的数组）
  input1 = np.array([1, 2], dtype=np.float32)
  input2 = np.array([3, 4], dtype=np.float32)
  output = np.zeros_like(input1)
  # 4. 调用CANN的Add算子计算
  aclopExecute("Add", 2, [input1, input2], 1, [output], None, None)
  # 5. 打印结果
  print("CANN Add算子计算结果：", output)
  # 6. 释放资源
  aclrtDestroyContext(device_id)
  aclFinalize()
  

• 运行代码：

  bash

  python3 test_add.py
  

• ✅ 成功输出：CANN Add算子计算结果：[4. 6.]，说明 CANN 环境能正常调用算子；
• ❌ 报错解决：若提示 “ascendcl.so not found”，重新执行source ~/.bashrc；若提示 “device not found”，检查步骤 1 的硬件识别情况。

三、初次部署踩坑总结（新手必看）

版本不匹配坑：Toolkit 版本必须与昇腾驱动版本对应（官网有 “版本配套表”），比如驱动装了 6.0，Toolkit 装 7.0 会直接报错； 权限不足坑：安装 Toolkit 和运行代码时，用sudo -i切换 root 用户，避免普通用户无权限访问设备； Python 版本坑：CANN 7.0 只支持 Python 3.7-3.9，用 Python 3.10 会提示 “no module named ascendcl”；

四、下一步学习方向

搞定基础部署后，可继续探索：

• 用 CANN 适配 PyTorch 模型（通过torch_ascend插件）；
• 自定义算子（用 Ascend C 开发框架）；
• 性能优化（用 Profiling 工具分析算子耗时）。
  • 环境变量遗忘坑：每次打开新终端，都要执行source ~/.bashrc，否则环境变量不生效（可将该命令添加到~/.profile实现开机自动生效）。

欢迎加入CANN社区：https://atomgit.com/cann