华为昇腾相关命令汇总

华为昇腾（Ascend）910B 的操作和管理主要通过 CANN（异构计算架构） 提供的工具链完成。对于运维、开发和调试人员来说，最核心的工具是 npu-smi（类似于 NVIDIA 的 nvidia-smi）。本文介绍华为昇腾 910B 相关操作命令的分类总结及详细介绍：

命令概览

核心操作命令详解

设备监控与管理工具：npu-smi

这是最常用的命令，用于实时监控 910B 的运行状态。

• 查看所有 NPU 概览信息

  bash

  npu-smi info

  • 介绍： 列出所有 NPU 的 ID、型号、健康状态、温度、功耗、HBM（显存）使用情况和利用率。

• 查看特定 NPU 的详细信息

  bash

  npu-smi info -i 0  # -i 指定设备ID

  • 介绍： 显示 0 号 NPU 的详细参数，包括固件版本、存储带宽利用率等。

• 实时监控（类似 top）

  bash

  npu-smi info watch
  watch -n 1 npu-smi info

  • 介绍： 每秒刷新一次 NPU 状态，常用于观察模型训练时的瞬时负载。

• 查询 NPU 的网络/网口状态（HCCS 互联）

  bash

  npu-smi info -i 0 -t network

  • 介绍： 910B 常用于分布式训练，此命令查看片间互联（HCCS）的状态和 IP 配置。

• 清空 NPU 日志

  bash

  npu-smi clear -i 0 -t log

• 其他

# 查出的NPU ID即为设备id
npu-smi info -l

# 查询p2p使能状态
npu-smi info -t p2p-enable -i id

硬件诊断与性能测试：ascend-dmi

用于在环境部署初期或出现硬件故障时进行排查。

• 硬件健康自检

  bash

  ascend-dmi -hp

  • 介绍： 快速检查硬件（PCIe、内存、固件等）是否处于健康运行状态。

• HBM 带宽测试

  bash

  ascend-dmi -bw -i 0

  • 介绍： 测试 0 号 NPU 的高带宽内存（HBM）读写速度。

• 算力性能测试

  bash

  ascend-dmi -p -i 0

  • 介绍： 运行标准的算力负载，检测 910B 是否能达到标称的 TFLOPS 性能。

模型转换工具：atc (Ascend Tensor Compiler)

在推理任务中，必须将第三方模型转为昇腾专用的 .om 格式。

• 模型转换示例

  bash

  atc --model=./yolov5.onnx --framework=5 --output=yolov5_saved --soc_version=Ascend910B1

  • 参数说明：
    • --model: 原始模型文件。
    • --framework: 5 代表 ONNX，3 代表 TensorFlow，0 代表 Caffe。
    • --output: 输出的 om 文件名。
    • --soc_version: 关键参数，需指定为 Ascend910B1 或 Ascend910B2 等。

环境与版本信息查询

排查环境兼容性（如驱动与 Toolkit 是否匹配）时必用。

• 查询驱动版本

  bash

  cat /usr/local/Ascend/driver/version.info

• 查询 Toolkit（开发套件）版本

  bash

  cat /usr/local/Ascend/ascend-toolkit/latest/arm64-linux/ascend_toolkit_install.info

• 查看 NPU 物理拓扑结构

  bash

  npu-smi info -t topo

  • 介绍： 查看 8 张 910B 显卡之间是如何通过 HCCS 互联的，对分布式并行策略优化很有参考价值。

故障排查相关（Log 与 Process）

• 查看 NPU 运行日志（核心）

  • 路径通常在：~/ascend/log/ 或 /var/log/npu/slog/。
  • 介绍： 当模型报错或驱动掉卡时，通过 device-0 文件夹下的日志定位错误码。

• 查看当前占用 NPU 的进程

  bash

  npu-smi info -t process -i 0

  • 介绍： 确认是哪个 PID 在使用 NPU 显存，方便清理僵尸进程。

常用排障流程

1. 刚进服务器： 先跑 npu-smi info 确保 8 张卡都“在线”（Health 状态为 OK）。
2. 准备训练前： 检查驱动版本是否符合 AI 框架（PyTorch/MindSpore）的要求。
3. 训练报错时：
   • 先看控制台报错。
   • 再用 npu-smi info -t process 看进程是否还在。
   • 最后去 /var/log/npu/slog/ 搜 ERROR 关键字。
4. 性能不如预期： 跑 ascend-dmi -bw 看带宽，或者检查 HCCS 拓扑是否正常。