安装前准备

介绍安装前的准备动作，包括准备用户、检查环境、安装依赖、上传软件包等。

用户准备

支持任意用户（root或者非root）安装AMCT，本章节以非root用户为例进行操作。

若使用root用户安装，则不需要操作该章节，不需要对root用户做任何设置。
若使用已存在的非root用户安装，须保证该用户对$HOME目录具有读写以及可执行权限。
若使用新的非root用户安装，请参考如下步骤进行创建，如下操作请在root用户下执行。本手册以该种场景为例执行AMCT的安装。
1. 执行以下命令创建AMCT安装用户并设置该用户的$HOME目录。
```
useradd -d /home/username -m username
```
2. 执行以下命令设置密码。
```
passwd username
```
  username为安装AMCT的用户名，该用户的umask值不能小于0027：
  
  若要查看umask的值，则执行命令：umask
  
  若要修改umask的值，则执行命令：umask 新的取值

系统要求和环境检查

本章节以Ubuntu 20.04为例，详述安装前准备，版本配套信息如下：

表1 配套版本信息
类别	版本限制	获取方式	备注
操作系统及版本	Ubuntu 20.04 x86_64	请从Ubuntu官网下载对应版本软件进行安装，安装完成后查询命令为： *cat /etc/release && uname -m**	支持基于CPU，GPU的量化。
操作系统及版本	Ubuntu 20.04 aarch64	请从Ubuntu官网下载对应版本软件进行安装，安装完成后查询命令为： *cat /etc/release && uname -m**	支持基于CPU，GPU的量化。
操作系统及版本	KylinV10SP1 x86_64	-	仅支持基于CPU量化。
操作系统及版本	openEuler 20.03 x86_64	-	仅支持基于CPU量化。
操作系统及版本	UOS20 aarch64	-	仅支持基于CPU量化。
CUDA toolkit/CUDA driver	11.2或10.0	请用户自行获取相关软件包进行安装，例如可以参见如下链接获取相关toolkit包，该包中包括driver软件包。 https://developer.nvidia.com/cuda-toolkit-archive	如果使用GPU模式执行量化功能，则CUDA软件必须安装。 TensorFlow2.6.5版本对应的CUDA版本为11.2 TensorFlow1.15.0版本对应的CUDA版本为10.0。
Python	Python3.7.x（3.7.5~3.7.11）、Python3.8.x（3.8.0~3.8.11）、Python3.9.x（3.9.0~3.9.2）推荐使用Python3.9.2	Ubuntu、KylinV10SP1、openEuler和UOS操作系统请参见安装Python3.9.2（Ubuntu）。	安装依赖时，请确保服务器能够连接网络。本手册以Python3.9.2为例进行介绍，相应环境变量和安装命令以实际安装Python版本为准。
TensorFlow	2.6.5或1.15.0	请参见安装依赖。	TensorFlow版本与Python版本的对应关系： 2.6.5版本推荐使用的Python版本为3.9.2 1.15.0版本使用的Python版本只能为3.7.5
numpy	1.16.0~1.23.5或1.20.0~1.23.5	请参见安装依赖。	若安装的TensorFlow版本为2.6.5，则numpy安装版本必须为1.20.0~1.23.5。若安装的TensorFlow版本为1.15.0，则numpy安装版本为1.16.0~1.23.5。
protobuf	3.13.0+	请参见安装依赖。	-

安装依赖

请使用AMCT的安装用户安装依赖的软件，如果安装用户为非root，请确保该用户拥有sudo权限，请使用su - username命令切换到非root用户执行如下命令。

表2 依赖列表
依赖名称	版本号	安装命令
Python	3.9.2或3.7.5	Ubuntu、KylinV10SP1、openEuler和UOS操作系统请参见安装Python3.9.2（Ubuntu）。
TensorFlow	2.6.5或1.15.0	用户根据实际情况选择安装CPU或GPU。 TensorFlow 2.6.5 CPU版本安装命令： python3 -m pip install tensorflow-cpu==2.6.5 --user TensorFlow 2.6.5 GPU版本安装命令： python3 -m pip install tensorflow-gpu==2.6.5 --user TensorFlow 1.15 CPU版本安装命令： python3 -m pip install tensorflow-cpu==1.15.0 --user TensorFlow 1.15 GPU版本安装命令： python3 -m pip install tensorflow-gpu==1.15.0 --user 须知：使用不同的TensorFlow版本时，请确保上述命令中的Python版本对应正确（切换所使用Python版本的环境变量即可）。当前仅支持TensorFlow 1.15.0版本的网络模型进行量化，但量化过程中支持在TensorFlow 1.15.0、2.6.5版本环境进行推理。
numpy	1.16.0~1.23.5或1.20.0~1.23.5	pip3 install numpy==1.16.0 --user 或pip3 install numpy==1.20.0 --user
protobuf	3.13.0+	pip3 install protobuf==3.13.0 --user

上传软件包

以AMCT的安装用户将Ascend-cann-amct_{software version}_linux-{arch}.tar.gz软件包上传到Linux服务器任意目录下，本示例为上传到$HOME/amct/目录。

执行如下命令解压AMCT软件包：

tar -zxvf Ascend-cann-amct-{software version}_linux-{arch}.tar.gz

获得如下内容：

表3 AMCT软件包解压后内容
一级目录	二级目录	说明	使用场景及注意事项
amct_caffe/	Caffe框架AMCT目录。		使用方法请参见《AMCT工具（Caffe）》。需要搭建Caffe环境，量化完的模型，如果要执行推理，则需要借助安装昇腾AI处理器的推理环境。
	amct_caffe-{version}-py3-none-linux_{arch}.whl	Caffe框架AMCT安装包。
	caffe_patch.tar.gz	Caffe源代码增强包。
amct_tf/	TensorFlow框架AMCT目录。
	amct_tensorflow-{version}-py3-none-linux_{arch}.tar.gz	TensorFlow框架AMCT安装包，通过源码编译方式进行安装。	amct_tensorflow与amct_tensorflow_ascend软件包不能同时安装。使用方法请参见《AMCT工具（TensorFlow）》。需要搭建TensorFlow环境，量化完的模型，如果要执行推理，则需要借助安装昇腾AI处理器的推理环境。
	amct_tensorflow_ascend-{version}-py3-none-linux_{arch}.tar.gz	基于TF_Adapter的AMCT安装包，通过源码编译方式进行安装。	amct_tensorflow与amct_tensorflow_ascend软件包不能同时安装。 Atlas 200/300/500 推理产品：不支持amct_tensorflow_ascend目录下的相关特性。 Atlas 200I/500 A2推理产品：不支持amct_tensorflow_ascend目录下的相关特性。 Atlas 推理系列产品：不支持amct_tensorflow_ascend目录下的相关特性。使用方法请参见《AMCT工具（TensorFlow,Ascend）》。需要搭建TensorFlow环境，并借助带有NPU设备的在线推理环境，量化完的模型，可以基于昇腾AI处理器完成在线推理业务。
amct_pytorch/	PyTorch框架AMCT目录。		使用方法请参见《AMCT工具（PyTorch）》。需要搭建PyTorch环境，量化完的模型，如果要执行推理，则需要借助安装昇腾AI处理器的推理环境。
amct_pytorch/	amct_pytorch-{version}-py3-none-linux_{arch}.tar.gz	PyTorch框架AMCT源码安装包。
amct_onnx/	ONNX模型AMCT目录。		使用方法请参见《AMCT工具（ONNX）》。
	amct_onnx-{version}-py3-none-linux_{arch}.whl	ONNX模型AMCT安装包。
	amct_onnx_op.tar.gz	AMCT基于ONNX Runtime的自定义算子包。
amct_ms/	MindSpore框架AMCT目录。		Atlas 200/300/500 推理产品：不支持amct_ms目录下的相关特性。 Atlas 200I/500 A2推理产品：不支持amct_ms目录下的相关特性。 Atlas 推理系列产品：不支持amct_ms目录下的相关特性。使用方法请参见《AMCT工具（MindSpore）》。需要搭建MindSpore环境，并借助带NPU设备的训练环境，*将MindSpore模型量化后输出为.air格式模型，只能借助带NPU设备的训练环境，量化后的模型要进行推理，也可以借助该环境完成。**
amct_ms/	amct_mindspore-{version}-py3-none-linux_{arch}.whl	MindSpore框架AMCT安装包。
conf/	-	-	记录包的安装信息，用户无需关注。

其中：{version}表示AMCT具体版本号，{software version}为软件版本号，{arch}表示具体操作系统架构。

父主题： 工具安装