昇思学习营第七期·昇腾开发板 学习打卡_第一次：
一：昇思 + 香橙派 + DeepSeek
我单方面册封 昇思 + 香橙派 + DeepSeek 简直是咋们学生低成本玩转大模型的最优选择 （dog dog）
神仙般的组合，宿舍中的便携式丹炉
1. 对于MindSpore
作为华为开源的一款国产深度学习框架，支持全场景AI开发（端、边、云都能跑）。对我们学生来说，它最大的优点是：
- 上手快：类PyTorch接口，中文文档丰富
- 兼容性强：支持多种硬件（包括香橙派这种ARM开发板！）
- 高效省资源：模型训练和推理都很轻量，小设备也能跑
2. 香橙派（Orange Pi）
国产开源硬件平台，就类比为类似树莓派和jetson nano吧，但性价比更高！一块香橙派5（4核ARM + 8GB内存）只要几百块，就能跑轻量级AI模型，还带NPU加速！
- 可装Ubuntu、华为自研欧拉等系统
- 支持昇思框架（MindSpore Lite）
- 插电即用，便携性强（宿舍断电也不怕！）
- 一句话：不用再眼馋实验室的A100显卡了，我在宿舍照样能跑模型（狗头！！！）！
3. DeepSeek
国产大模型的“黑马”，由深度求索团队推出，包括**DeepSeek-V3、DeepSeek-R1等模型，**开源免费、性能强大、中文理解超强！（感觉贴吧的数据集吃了不少 dog dog）
- 支持代码生成、文本理解、数学推理等
- 可在昇思框架上部署运行
- 提供API和本地部署方案
小结：
昇思（框架） + 香橙派（硬件） + DeepSeek（模型） 这个组合，真正实现了：
不用再眼馋实验室的A100显卡了，我在宿舍照样能跑模型（狗头！！！）！
无论你是想学习AI、做项目，还是参加竞赛，它都能成为你的得力助手！
二：开发环境的安装和检查：
由于目前身边没有香橙派开发板，所以先用实训平台的资源代替。
首先，查看CANN的对应版本：
先cd到对应的目录下：
cd /usr/local/Ascend/ascend-toolkit
此时我们要查看的是8.0.0，进入选择对应的aarch64,下面会有一个ascend_toolkit_install.info文件，我们用cat查看它的信息：
cat /usr/local/Ascend/ascend-toolkit/8.0.0/aarch64-linux/ascend_toolkit_install.info
可以看到就是8.0.0的版本，证明我们的cann安装正确。
检查mindspore的对应版本：
由于我们需要安装的版本是2.5.0
我们来查看一下：
pip show mindspore
可以看到是正确的。
如果没有安装成功，建议去官网查看对应的教程命令：MindSpore安装 | 昇思MindSpore社区
如果没有对应的，可以去历史版本中查找，就跟大家安装pytorch的版本一摸一样。
查看mindnlp版本：
pip show mindnlp
由于开发环境中没有预装，我们需要自己安装
克隆mindnlp库，并且编译：
git clone https://openi.pcl.ac.cn/MindSpore/mindnlp.git
cd mindnlp
bash scripts/build_and_reinstall.sh
由于mindnlp更新到0.5了，大家可以自己切换分支到0.4
你可能会遇到下面的报错：
pip uninstall mindformers -y
pip uninstall soundfile -y
是因为mindformers与mindnlp有部分冲突了。
最终检查mindspore是否与cann匹配：
python -c "import mindspore;mindspore.set_context(device_target='Ascend');mindspore.run_check()"
可以看到是成功匹配的。至此，基础环境配置完成。
对于具体问题的排查方法：
需要在测试代码中加入：
# 设置同步，帮助问题定位
mindspore.set_context(pynative_synchronize=True)
进行具体问题的测试：
pytest -s -v tests\ut\transformers\models\qwen2\test_modeling_qwen2.py::Qwen2ModelTest::test_beam_search_generate_dict_outputs_use_cache
可以看到，该问题已经被修复了。
总的来说，在测试或者是推理亦或者是微调时，最好将：
mindspore.set_context(pynative_synchronize=True)
加上，以方便更加精准的去定位对应的错误。