Atlas系列硬件: Atlas 200l DK A2 开发者套件; Atlas 200l DK 开发者套件（型号：3000）; 加速模块、加速卡、智能小站、服务器、集群

异构计算架构: CANN社区版; CANN商用版

AI框架: MindSpore; TensorFlow框架模型（社区版）; TensorFlow框架模型（商用版）; PyTorch框架适配

昇腾推理引擎: MindIE

应用使能MindX: MindX DL; MindX Edge; MindX SDK

全流程开发工具: MindStudio

Ascend Docker挂载vNPU

Ascend Docker Runtime场景主要通过结合Ascend Docker Runtime（容器引擎插件）使用，将vNPU挂载到容器。

使用前提

需要先获取“Ascend-docker-runtime_{version}_linux-{arch}.run”，并安装容器引擎插件，方法可参见安装Ascend Docker Runtime。

使用方法

用户通过npu-smi工具创建vNPU后，在拉起容器时执行以下命令将vNPU挂载至容器中。以下命令表示用户在拉起容器时，挂载虚拟芯片ID为100的芯片。
```
docker run -it -e ASCEND_VISIBLE_DEVICES=100 -e ASCEND_RUNTIME_OPTIONS=VIRTUAL image-name:tag /bin/bash
```
用户在拉起容器时，执行以下命令切分算力资源，以下命令表示从物理芯片ID为0的芯片上，切分出4个AI Core作为vNPU并挂载至容器。以此方式拉起的容器，在结束容器进程时，虚拟设备会自动销毁。
```
docker run -it --rm -e ASCEND_VISIBLE_DEVICES=0 -e ASCEND_VNPU_SPECS=vir04 image-name:tag /bin/bash
```

可用的芯片ID可通过如下方式查询确认：
- 物理芯片ID：
```
ls /dev/davinci*
```
- 虚拟芯片ID：
```
ls /dev/vdavinci*
```
image-name:tag：镜像名称与标签，请根据实际情况修改。如“ascend-tensorflow:tensorflow_TAG”。
用户在使用过程中，请勿重复定义和在容器镜像中固定ASCEND_VISIBLE_DEVICES、ASCEND_RUNTIME_OPTIONS和ASCEND_VNPU_SPECS环境变量。

表1 参数解释
参数	说明	举例
ASCEND_VISIBLE_DEVICES	使用ASCEND_VISIBLE_DEVICES环境变量指定被挂载至容器的NPU设备，使用设备序号指定设备，支持单个和范围指定且支持混用。	ASCEND_VISIBLE_DEVICES=100表示将id为100的vNPU挂载到容器。
ASCEND_RUNTIME_OPTIONS	对参数ASCEND_VISIBLE_DEVICES中指定的芯片ID作出限制： NODRV：表示不挂载驱动相关目录。 VIRTUAL：表示挂载的是虚拟芯片。 NODRV,VIRTUAL：表示挂载的是虚拟芯片，并且不挂载驱动相关目录。	ASCEND_RUNTIME_OPTIONS=NODRV ASCEND_RUNTIME_OPTIONS=VIRTUAL ASCEND_RUNTIME_OPTIONS=NODRV,VIRTUAL
ASCEND_VNPU_SPECS	从物理NPU设备中划分出一定数量的AI Core，指定为虚拟设备。支持的取值为（vir01，vir02，vir02_1c，vir04，vir04_3c，vir08，vir16、vir04_4c_dvpp、vir04_3c_ndvpp）。 Ascend 310P系列处理器支持vir01、vir02、vir02_1c、vir04、vir04_3c、vir04_4c_dvpp、vir04_3c_ndvpp。 Ascend 910系列处理器支持vir02、vir04、vir08和vir16。需配合参数“ASCEND_VISIBLE_DEVICES”一起使用，参数“ASCEND_VISIBLE_DEVICES”指定用于虚拟化的物理NPU设备。	ASCEND_VNPU_SPECS=vir04表示划分4个AI Core作为vNPU，挂载至容器。

父主题： 挂载vNPU