在Altas 200I DK A2开发版安装Mindspore Ascend版本时报错

[SanEryi]

在Altas 200I DK A2开发版上配置Ascend版本的Mindspore环境。
使用烧录软件烧录了下图的固件和驱动。

查找资料显示上述固件和驱动支持Mindspore版本2.2.0。
在安装并配置完环境后，测试环境时会出现如下报错：
(mindspore_ascend) HwHiAiUser@davinci-mini:~$ python
Python 3.9.25 (main, Nov 3 2025, 22:33:42)
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type “help”, “copyright”, “credits” or “license” for more information.

import numpy as np
import mindspore as ms
/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/numpy/core/getlimits.py:549: UserWarning: The value of the smallest subnormal for <class ‘numpy.float64’> type is zero.
setattr(self, word, getattr(machar, word).flat[0])
/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/numpy/core/getlimits.py:549: UserWarning: The value of the smallest subnormal for <class ‘numpy.float32’> type is zero.
setattr(self, word, getattr(machar, word).flat[0])
from mindspore import ops

ms.set_context(mode=ms.PYNATIVE_MODE, device_target=“Ascend”)
x = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
z = ops.add(x, y)
print(z)

Traceback (most recent call last):
File “”, line 1, in
File "/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/mindspore/common/stub_tensor.py", line 49, in fun
return method(*arg, **kwargs)
File “/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/mindspore/common/tensor.py”, line 493, in str
return str(self.asnumpy())
File “/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/mindspore/common/tensor.py”, line 964, in asnumpy
return Tensor.asnumpy(self)
RuntimeError: The device address type is wrong: type name in address:CPU, type name in context:Ascend

---

• C++ Call Stack: (For framework developers)

---

mindspore/ccsrc/plugin/device/ascend/hal/hardware/ge_device_res_manager.cc:72 AllocateMemory

经过尝试在使用了ops运算符后，对z无法执行.asnumpy()函数。
上述错误是由于驱动和mindspore版本不匹配导致的吗？还是说Ascend相关配置不正确。

使用npu-smi info命令可以看到npu硬件
(mindspore_ascend) HwHiAiUser@davinci-mini:~$ npu-smi info
±-------------------------------------------------------------------------------------------------------+
| npu-smi 23.0.rc3 Version: 23.0.rc3 |
±------------------------------±----------------±-----------------------------------------------------+
| NPU Name | Health | Power(W) Temp(C) Hugepages-Usage(page) |
| Chip Device | Bus-Id | AICore(%) Memory-Usage(MB) |
+===============================+=================+======================================================+
| 0 310B4 | Alarm | 7.4 50 15 / 15 |
| 0 0 | NA | 0 3294 / 3513 |
+===============================+=================+======================================================+

[MindSpore_Assistant]

答案内容由AI生成，仅供参考：

总结与建议

项目	当前情况	建议
NPU 状态	正常（npu-smi 可见）	无需更换驱动
MindSpore 安装	包含 Ascend 支持（set_context 成功）	需验证版本是否为 2.2.0
Tensor 分配问题	数据未正确搬至 Ascend	使用 .to("Ascend") 显式迁移
环境变量	未提及	必须执行 source /usr/local/Ascend/ascend-toolkit/set_env.sh
版本匹配	CANN 7.0.RC1 + MindSpore ?	建议安装 MindSpore 2.2.0 或 2.3.1

点击此处查看详细分析解答

错误分析：RuntimeError: The device address type is wrong: type name in address:CPU, type name in context:Ascend

您在 Atlas 200I DK A2 开发板上安装了昇腾（Ascend）相关固件和 MindSpore 框架，但在运行测试代码时遇到如下错误：

RuntimeError: The device address type is wrong: type name in address:CPU, type name in context:Ascend

该错误并非由驱动不匹配直接导致，而是表明 MindSpore 成功识别并初始化了 Ascend 硬件环境，但在执行张量操作后，数据地址仍驻留在 CPU 上，与当前上下文要求的 Ascend 设备不一致。

---

问题定位分析

我们结合您提供的 系统配置信息、错误日志 和 知识库内容 进行综合判断。

1. 系统环境配置正确性

根据您上传的截图：

• 开发板型号：Atlas 200I DK A2
• 操作系统：Ubuntu 22.04 LTS Arm64
• NPU 驱动版本：23.0.RC3
• CANN 版本：7.0.RC1
• 固件支持 MindSpore 2.2.0

同时使用 npu-smi info 命令可正常查看 NPU 设备信息，说明：

NPU 驱动已正确安装并运行，设备物理上可通信

---

2. MindSpore 安装与执行上下文配置

您执行了以下代码：

ms.set_context(mode=ms.PYNATIVE_MODE, device_target="Ascend")

set_context 调用未报错，意味着：

• MindSpore 已成功加载 Ascend 后端支持库（如 libmindspore_ascend.so）
• 当前安装的 MindSpore 版本包含 Ascend 支持（即安装包为 Ascend 版本）

但后续报错 “device address type is wrong: CPU vs Ascend” 表示：

Tensor 的数据实际存放在 CPU 内存中，而不是 Ascend 设备内存中，而上下文期望操作发生在 Ascend 上。

---

根本原因分析

这个错误的核心是：Tensor 未正确搬运至 Ascend 设备。

尽管设置了 device_target="Ascend"，但如果 Tensor 是通过 NumPy 创建并直接构建为 MindSpore Tensor，它们默认位于 Host（CPU）内存中，不会自动传输到 NPU 设备。

只有当执行了显式或隐式的 设备内存分配操作（如算子执行、to() 方法等） 时，MindSpore 才会尝试将 Tensor 搬运到目标设备。

而您的测试流程中存在一个关键问题：

x = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
z = ops.add(x, y)  # 此处 add 是 Python 层级封装，可能仍未触发设备搬运
print(z)            # 触发 asnumpy() 报错

ops.add(x, y) 在 PyNative 模式下，若 x 和 y 未显式部署到 Ascend，可能会延后设备分配或失败搬运。

更关键的是：调用 .asnumpy() 要求 Tensor 数据位于可访问的 Host 内存中。但如果 Tensor 被错误地标记为“在 Ascend”，但底层内存未被成功分配或同步，则会抛出地址类型冲突的错误。

---

解决方案

方案 1：显式将 Tensor 移动到 Ascend 设备

使用 .to(device) 或 ms.Tensor(..., device="Ascend") 显式创建位于 Ascend 上的 Tensor：

import numpy as np
import mindspore as ms
from mindspore import ops, Tensor

# 设置上下文
ms.set_context(mode=ms.PYNATIVE_MODE, device_target="Ascend")

# 方法一：创建时指定设备
x = Tensor(np.ones([1,3,3,4]), dtype=ms.float32).to("Ascend")
y = Tensor(np.ones([1,3,3,4]), dtype=ms.float32).to("Ascend")

# 或方法二：使用 Tensor 构造函数 + device 参数（MindSpore 2.0+ 支持）
# x = ms.Tensor(np.ones([1,3,3,4]), ms.float32, device="Ascend")

z = ops.add(x, y)
print(z.asnumpy())  # 现在可以安全地拷贝回 CPU 并打印

---

方案 2：检查 MindSpore 与 CANN/CUDA 类工具包版本兼容性

虽然 set_context 成功，但仍有潜在版本不兼容风险：

组件	当前版本	推荐组合
CANN	7.0.RC1	支持 MindSpore 2.2.0
MindSpore	应为 2.2.0	请确认实际安装版本

请验证是否真的安装了与 CANN 7.0 兼容的 MindSpore 版本：

python -c "import mindspore; print(mindspore.__version__)"

若安装的是 高于 2.2.0 的版本（如 2.6.0）且 CANN 未升级，可能出现兼容性问题。

根据知识库：

• MindSpore 2.6.0 需要 CANN 8.x（如 8.1.RC1）支持
• 使用 CANN 7.0 时建议搭配 MindSpore 2.2.x 或 2.3.1

解决方案：

# 卸载当前版本
pip uninstall mindspore

# 安装适配 CANN 7.0 的 MindSpore 版本（Ascend 版）
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.2.0/MindSpore/unified/aarch64/mindspore-2.2.0-cp39-cp39-linux_aarch64.whl

下载地址：https://www.mindspore.cn/install → 选择 “源码编译” 或 “aarch64” 架构 Ascend 包

---

方案 3：确保环境变量正确设置（关键！）

即使安装了 Ascend 版本 MindSpore，也必须配置 Ascend 工具链环境变量：

source /usr/local/Ascend/ascend-toolkit/set_env.sh

该脚本设置以下变量：

• LD_LIBRARY_PATH：确保能找到 libge.so, libruntime.so 等 CANN 库
• PYTHONPATH：让 Python 找到 te, topi, hccl 等算子库

若未设置，可能导致运行时无法加载算子 → Tensor 分配失败或停留在 CPU

---

方案 4：避免使用过旧或 RC 版本组合

您的 CANN 和固件为 23.0.RC3 和 7.0.RC1，属于预发布版本，可能存在稳定性问题。

强烈建议升级为正式版本（如 CANN 7.0.RC1 后的稳定版 7.0.X），或统一使用较新的稳定组合（如 CANN 8.1 + MindSpore 2.6/2.7）

---

总结与建议

项目	当前情况	建议
NPU 状态	正常（npu-smi 可见）	无需更换驱动
MindSpore 安装	包含 Ascend 支持（set_context 成功）	需验证版本是否为 2.2.0
Tensor 分配问题	数据未正确搬至 Ascend	使用 .to("Ascend") 显式迁移
环境变量	未提及	必须执行 source /usr/local/Ascend/ascend-toolkit/set_env.sh
版本匹配	CANN 7.0.RC1 + MindSpore ?	建议安装 MindSpore 2.2.0 或 2.3.1

---

推荐最终测试代码

import numpy as np
import mindspore as ms
from mindspore import Tensor, ops

ms.set_context(mode=ms.PYNATIVE_MODE, device_target="Ascend")

# 显式创建在 Ascend 上的 Tensor
data = np.random.rand(2, 2).astype(np.float32)
x = Tensor(data).to("Ascend")
y = Tensor(data).to("Ascend")

z = ops.add(x, y)
print("Result shape:", z.shape)
print("Result value:\n", z.asnumpy())  # 正确执行

---

参考资料

• MindSpore 安装指南
• CANN 与 MindSpore 版本兼容对照表（见官网文档 → “版本配套关系”）
• Atlas 200I DK A2 用户手册（Huawei 官网）

如有其他报错，请提供 mindspore.__version__ 及完整日志以便进一步诊断。

[SanEryi]

上述方法成功在Ascend侧创建了x,y,z,但是使用.asnumpy()时还是有报错信息：
(mindspore_ascend) HwHiAiUser@davinci-mini:~$ python
Python 3.9.25 (main, Nov 3 2025, 22:33:42)
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type “help”, “copyright”, “credits” or “license” for more information.

import numpy as np
import mindspore as ms
/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/numpy/core/getlimits.py:549: UserWarning: The value of the smallest subnormal for <class ‘numpy.float64’> type is zero.
setattr(self, word, getattr(machar, word).flat[0])
/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/numpy/core/getlimits.py:549: UserWarning: The value of the smallest subnormal for <class ‘numpy.float32’> type is zero.
setattr(self, word, getattr(machar, word).flat[0])
from mindspore import ops, Tensor

ms.set_context(mode=ms.PYNATIVE_MODE, device_target=“Ascend”)
data = np.random.rand(2,2).astype(np.float32)
x = Tensor(data).to(“Ascend”)
y = Tensor(data).to(“Ascend”)
z = ops.add(x, y)

print(type(x))
<class ‘mindspore.common._stub_tensor.StubTensor’>
print(type(z))
<class ‘mindspore.common._stub_tensor.StubTensor’>
print(z.asnumpy())
Traceback (most recent call last):
File “”, line 1, in
File “/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/mindspore/common/_stub_tensor.py”, line 48, in fun
arg = (stub.stub_sync(),) + arg[1:]
File “/home/HwHiAiUser/.conda/envs/mindspore_ascend/lib/python3.9/site-packages/mindspore/common/_stub_tensor.py”, line 153, in stub_sync
val = self.stub.get_value()
TypeError: Invalid dtype

---

• C++ Call Stack: (For framework developers)

---

mindspore/core/ops/cast.cc:65 InferType

[chengxiaoli (Cheng_li)]

用户您好，欢迎安装使用MindSpore。已收到上述问题，会尽快分析答复~

[chengxiaoli (Cheng_li)]

用户您好，请问是使用的whl还是tar包呢，还请补充一下日志信息，方便分析问题。可通过如下设置获取日志。

export GLOG_v=1

[chengxiaoli (Cheng_li)]

@SanEryi 用户您好，由于较长时间未看到您回复信息，这里版主将进行采纳回答的结帖操作，如果还其他疑问请发新帖子提问，谢谢支持~