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
| 类别 |
常用工具/命令 |
主要用途 |
| 设备管理与监控 |
npu-smi |
查看状态、温度、显存、算力利用率，配置 NPU 参数。 |
| 硬件健康检查 |
ascend-dmi |
硬件故障诊断、带宽测试、算力测试。 |
| 模型转换 |
atc |
将开源模型（ONNX/TF）转换为昇腾离线模型（.om）。 |
| 版本查询 |
cat /usr/local/Ascend/... |
查询驱动、固件、Toolkit 的具体版本。 |
| 容器/集群工具 |
ascend-docker-runtime |
在 Docker 中调用 NPU 资源的运行环境。 |
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
- 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
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）
- 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）
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
npu-smi clear -i 0 -t log
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
- 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
- 介绍： 测试 0 号 NPU 的高带宽内存（HBM）读写速度。
-
算力性能测试
- 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
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
cat /usr/local/Ascend/driver/version.info
- 查询 Toolkit（开发套件）版本
cat /usr/local/Ascend/ascend-toolkit/latest/arm64-linux/ascend_toolkit_install.info
- 查看 NPU 物理拓扑结构
- 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
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
- 刚进服务器： 先跑
npu-smi info 确保 8 张卡都“在线”（Health 状态为 OK）。
- 准备训练前： 检查驱动版本是否符合 AI 框架（PyTorch/MindSpore）的要求。
- 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。
- 性能不如预期： 跑
ascend-dmi -bw 看带宽，或者检查 HCCS 拓扑是否正常。