【功能模块】Ubuntu虚拟机进入root后ifconfig找到的Atlas 200 DK网卡无IP信息【操作步骤&问题现象】通过插拔usb接口的方式确定了网卡名称为ens35u1，但是没有IP信息，已经尝试过使用https://bbs.huaweicloud.com/forum/thread-184760-1-1.html的方法但是问题没有得到解决。【日志信息】（可选，上传日志内容或者附件）root@yunxiao-virtual-machine:~# ifconfigens33: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500        inet 192.168.1.233  netmask 255.0.0.0  broadcast 192.255.255.255        inet6 fe80::20c:29ff:fe05:6bd7  prefixlen 64  scopeid 0x20<link>        ether 00:0c:29:05:6b:d7  txqueuelen 1000  (Ethernet)        RX packets 677  bytes 48070 (48.0 KB)        RX errors 0  dropped 0  overruns 0  frame 0        TX packets 3975  bytes 243380 (243.3 KB)        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0ens35u1: flags=4163<UP,BROADCAST,RUNNING,MULTICAST>  mtu 1500        inet6 fe80::6580:1def:8746:91f5  prefixlen 64  scopeid 0x20<link>        ether 22:74:0e:f0:37:10  txqueuelen 1000  (Ethernet)        RX packets 0  bytes 0 (0.0 B)        RX errors 0  dropped 0  overruns 0  frame 0        TX packets 685  bytes 145601 (145.6 KB)        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0lo: flags=73<UP,LOOPBACK,RUNNING>  mtu 65536        inet 127.0.0.1  netmask 255.0.0.0        inet6 ::1  prefixlen 128  scopeid 0x10<host>        loop  txqueuelen 1000  (Local Loopback)        RX packets 4994  bytes 403048 (403.0 KB)        RX errors 0  dropped 0  overruns 0  frame 0        TX packets 4994  bytes 403048 (403.0 KB)        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

张小白的虚拟机有点不大稳定，今天意外关闭，然后再启动，就发现ifconfig怎么也看不到 有线网卡和USB网卡了。只留下localhost孤孤单单的在哪里：这可吓坏了张小白。但是执行 ifconfig -a又能看到这三个网卡：但是他们都获取不了IP地址。而且好像也都不存在似的。张小白试图按照  https://support.huaweicloud.com/environment-deployment-Atlas200DK1012/atlased_04_0012.html 提供的方式，先删除 /etc/netplan/01-network-manager-all.yaml 中的网卡配置，然后再执行：bash ./configure_usb_ethernet.sh -s ens160u2 192.168.1.188 配置好USB网卡。但是看起来配完了，ping这个地址也没反应，而且它依然没有附着IP地址。在试了好多次之后，张小白突然找到网上一个办法：https://blog.csdn.net/lifei_0001/article/details/121085099于是试了一下：root@ubuntu:~# service network-manager stop root@ubuntu:~# rm /var/lib/NetworkManager/NetworkManager.state root@ubuntu:~# service network-manager start居然地址都冒出来了。尽管USB线对应的IP还是上次换了个IP的地址，但是这也很容易地去修改 /etc/netplan/01-network-manager-all.yaml 换回来：修改完这个文件，重新netplan apply。即可将IP修改回来。这回总算可以愉快的玩耍了！（全文完，谢谢阅读）

我现在有一个Atlas 500智能小站产品，看官网手册说是：Atlas 500的主控（Hi3559A）上运行了一个基于Linux内核的定制操作系统Euler，用于管理硬件资源。请问我可不可以重新烧录系统，在Hi3559A上安装Ubuntu系统，类似于200DK的框架，以Hi3559A（Ubuntu）作为主，然后通过PCIE连接Atlas 200（作为从），如下图：另外，按照《Atlas 200 AI加速模块适配Hi3559A指导书》等文档来进行操作？

我在WIndows平台下面安装了MindStudio 想通过SSH方式连接本机的虚拟机Ubuntu 虚拟机已经安装了toolkit,是否有范例，想搭建环境如下图：SSH部分无法连接

欢迎大家加入 MindSpore易用性的SIG。有位医界的朋友使用Ubuntu 20.04裸机尝试了一键安装MindSpore 1.6.1的版本。那么，张小白也试一下吧。首先，你需要一个ubuntu 20.04.在有了ubuntu 18.04的WSL的基础上，怎么才能共存一个Ubuntu 20.04.想必先要把18.04关机。打开PowerShell的管理员模式：先下掉WSL：wsl --shutdown打开Microsoft Store:查找 ubuntu 20.04.4 LTS:请忽视下面的低分评价。让我们点击获取按钮。耐心等待下载完毕。直到可以打开：那就打开吧：输入常用的用户名密码：ascend/asend，进入终端。

【功能模块】【操作步骤&问题现象】1、C语言编写，本地运行成功并输出，提交显示选手程序运行失败2、运行环境：虚拟机ubuntu18.04，分配内存4G，处理器2*1核，gcc版本7.5.0测试数据量级：8192时刻，135边缘节点，35客户【截图信息】运行环境运行结束完成输出访问路径使用库上传压缩包【日志信息】（可选，上传日志内容或者附件）排查了各种可能，如果是内存溢出，相同配置的本地虚拟机应该已经溢出了，路径，压缩内容，命名都没发现问题，还是说是我没注意到

【功能模块】【操作步骤&问题现象】1、我按照官方的视频进行文件下载与制卡，到了这一步出现了问题。2、尝试了wget文件，无法连接到服务器。3、论坛现有的解决方法无法解决问题【截图信息】【日志信息】（可选，上传日志内容或者附件）

使用Ubuntu测试业务软件时定位到需要关闭内核选项 ARM64_LSE，需要重新编译内核  获取内核源码 直接谷歌搜索所需要的内核版本然后下载解压Google site:launchpad.net "linux-image-3.19.0-58-generic"That should give you the Launchpad Package Pagefor that version.Scroll down, click the "Source:" link, you're on the Package Source PageScroll down and download .tar.gz, .diff.gz, .dscfiles:Put them in a new directory, unpack with dpkg-source -x *.dsc   安装依赖sudo apt-get install libncurses-dev flex bison openssl libssl-dev dkms libelf-dev libudev-dev libpci-dev libiberty-dev autoconf 编译安装新内核make menuconfig; 搜索LSE后关闭内核LSEmake -j128; make modules_install; make install;   如需安装Headers，在执行make install之前执行make headers_install INSTALL_HDR_PATH=/usr/src 

Ubuntu深度学习环境配置安装组合：Anaconda+PyTorch(CPU版)或PyTorch(GPU版)开源贡献：陈信达，华北电力大学3.1 Anacond安装Anaconda和Python版本是对应的，所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的，根据自己的需要下载合适的安装包。下载链接：https://www.anaconda.com/download/#linux点击下面的64-Bit (x86) Installer (522 MB)，下载64位的版本。下载完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录：执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装：一直按回车直到如下界面，然后输入yes：这里直接回车安装到默认路径，或者在>>>后输入自定义路径等待安装进度条走完，然后出现下面的提示，yes是加入环境变量，no是不加入环境变量，这里我们以输入no为例接下来手动加入环境变量，先cd到~，然后编辑.bashrc文件：sudo vim .bashrc在最下面添加如下几行(注意.后有空格)：# 区分anaconda python与系统内置python alias python3="/usr/bin/python3.5" alias python2="/usr/bin/python2.7" . /home/cxd/anaconda3/etc/profile.d/conda.sh然后按esc + : + wq!保存输入source .bashrc来执行刚修改的初始化文档下面输入conda env list来试试环境变量是否设置成功：试试刚刚设置的使用内置python的命令：python2、python3如果到这就结束的话，大家安装包的时候肯定会无比煎熬～这里需要将anaconda换一下源（加入清华源）：然后我们创建一个名为pytorch的虚拟环境，发现报了下面的错误：原因是我们没有清除上次安装留下来的源，输入sudo vim .condarc，修改该文件的内容（记得删除default那行）：然后输入source .condarc，再次创建虚拟环境：3.2 pytorch cpu版本安装打开pytorch官网：https://pytorch.org/激活刚刚创建的虚拟环境：conda activate pytorch在安装之前先添加下面这个源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch然后输入下面代码：conda install pytorch torchvision cpuonly -c pytorch等到安装好后测试一下是否安装完成：import torch print(torch.__version__)输出如下则安装成功：3.3 pytorch-gpu安装3.3.1 GPU驱动安装• 检测显卡类型执行命令：' ubuntu-drivers devices'•== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00 vendor : NVIDIA Corporation model : GP107M [GeForce GTX 1050 Mobile] driver : nvidia-driver-390 - distro non-free driver : nvidia-driver-435 - distro non-free driver : nvidia-driver-440 - distro non-free recommended driver : xserver-xorg-video-nouveau - distro free builtin == /sys/devices/pci0000:00/0000:00:14.3 == modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00 vendor : Intel Corporation model : Wireless-AC 9560 [Jefferson Peak] manual_install: True driver : backport-iwlwifi-dkms - distro free大家可以看到，这里有个设备是GTX1050。推荐安装驱动是440。• 安装驱动安装所有推荐驱动sudo ubuntu-drivers autoinstall安装一个驱动sudo apt install nvidia-4403.3.2 安装cudacuda安装需要对应合适的显卡驱动。下面是驱动和cuda的版本对应关系•Table 1. CUDA Toolkit and Compatible Driver VersionsCUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver VersionCUDA 10.2.89 >= 440.33 >= 441.22CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96CUDA 10.0.130 >= 410.48 >= 411.31CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26CUDA 9.2 (9.2.88) >= 396.26 >= 397.44CUDA 9.1 (9.1.85) >= 390.46 >= 391.29CUDA 9.0 (9.0.76) >= 384.81 >= 385.54CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51CUDA 8.0 (8.0.44) >= 367.48 >= 369.30CUDA 7.5 (7.5.16) >= 352.31 >= 353.66CUDA 7.0 (7.0.28) >= 346.46 >= 347.62cuda下载链接：http://suo.im/6dY8rLInstaller Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本。下面以第一个runfile(local)安装方式为例。• 安装gcclinux一般会自带了gcc，我们先检测一下自己系统的gcc版本gcc --version而cuda的gcc依赖版本在官方文档的安装指南上会给出如果版本和cuda依赖gcc不对应，就安装cuda需要的版本sudo apt-get install gcc-7.0 sudo apt-get install g++-7.0安装完成后需要更换系统gcc版本sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50选择需要的版本•sudo update-alternatives --config gcc选择 路径 优先级 状态------------------------------------------------------------* 0 /usr/bin/gcc-9 50 自动模式 1 /usr/bin/g++-9 50 手动模式 2 /usr/bin/gcc-7 50 手动模式输入前面显示的编号即可。• 安装cuda•sudo sh cuda_你的版本_linux.run• 配置环境变量sudo vim ~/.bashrc将下面的命令复制进去export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}检查是否安装成功•nvcc -V3.3.3 安装cudnnhttps://developer.nvidia.com/cudnn 选择对应cuda的版本即可然后将cudnn解压后的include和lib64文件夹复制到cuda中sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解压后的文件夹名字为cuda-10.2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*3.3.4 安装pytorch-gpuconda安装：# 选择自己对应的cuda版本conda install pytorch torchvision cudatoolkit=10.2pip安装：pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple

Ubuntu服务器中使用MindStudio运行Python程序时，出现ModuleNotFoundError: No module named 'acl'.

Micro，Tiny，Mini，Lite是一群好搭档（傻傻分不清楚）。如果没有特别跟你说，一般情况下你都不知道带这些单词的词组到底是什么意思。比如MindSpore Lite是MindSpore的端边AI引擎，TensorFlow Lite却是TF在移动设备和嵌入式设备的轻量级解决方案。这两个反倒是要对标的。那么TinyMS，作为Tiny、Modular、Simple的缩写，对标的却是Keras——Tensorfow的高阶API。当然，同时被华为TinyMS对标的是Fastai——PyTorch的高阶API。我们一直知道的是，MindSpore的移植最常见的就是从TF和PyTorch迁移，那么Keras和Fastai这对胖哥俩，自然一个都少不了。搞清楚TinyMS的定位了，就不得不提到几个著名的MindSpore女神，一个是来自数学系的夏洛特77（曼sir跑）小姐姐，一个是来自梯度森林会剧场的喂~你好（HelloWay）小姐姐。近期两人都很少在公共培训场合露面，特别是作为运营大神的胡大大，居然专心去做TinyMS去了。而在21天MindSpore实战营疯狂输出课程的何芦微老师，明明可以靠颜值斩获最佳短剧女一号，非要靠技术。在两人（以及一群人）的刻苦钻研下，TinyMS才横空出世。闲话少说，我们就看看TinyMS该怎么玩吧。在玩转TinyMS之前，得先去B站看下曼sir的保姆级教程（一共10集，目前已推出了5集）：【保姆级教程】EP01-最适合小白的深度学习入门课程来了！https://www.bilibili.com/video/BV1MB4y1P79S【保姆级教程】EP02-计算机是如何识别图像的？+TinyMS三种安装方式详解https://www.bilibili.com/video/BV18v41187fX【保姆级教程】EP03-30min速成Shell脚本命令https://www.bilibili.com/video/BV1vy4y1b7jh【保姆级教程】EP04-30min速成Python指南（上）| MindSpore高阶API工具TinyMS系列教程https://www.bilibili.com/video/BV1Tp4y1b7UG【保姆级教程】EP05-30min速成Python指南（下）| MindSpore高阶API工具TinyMS系列教程https://www.bilibili.com/video/BV1XS4y1Z7yp其实看了第二段，就可以安装TinyMS了。当然，我们还是要结合官网：https://tinyms.readthedocs.io/zh_CN/v0.3.1/quickstart/install.html张小白还是用WSL2（Ubuntu 18.04）来安装吧。这上面已经安装好了Anaconda，但是Python是3.8版本所以用conda建一个python 3.7.5的环境：按Y继续：确认了3.7.5的大蟒蛇眼神之后，开始安装：pip install tinyms==0.3.1 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com看来还得降级装一下0.3.0的版本：pip install tinyms==0.3.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com。。。验证安装是否成功：查看tinyms的版本：pip show tinyms查看下wsl2的IP地址：（好像看了也没啥用）启动jupyter lab:我们到JupyterLab页面去看看怎么玩转TinyMS。浏览器打开以下地址： http://127.0.0.1:8888/lab?token=ce99234cec88f7be435dbb47d16cfe5d5de656d1d5369692选择Python后打开：奇怪，怎么没有tinyms包呢？经过度娘得知，原来还需要安装下nb_conda：安装之后，好像还是不行。再二次度娘“jupyter notebook 设定指定conda环境”得知：https://blog.csdn.net/gs344937933/article/details/121883105需要做个设置：python -m ipykernel install --user --name tinyms --display-name "Python (tinyms)"然后再到Notebook中，切换下内核：再重试下：好了，那我们来试下样例的TinyMS吧（ https://tinyms.readthedocs.io/zh_CN/v0.3.1/quickstart/quickstart_in_one_minute.html ）感觉好像还是版本不匹配引起的，试着安装下tinyms的0.3.1版本吧：pip install tinyms==0.3.1 不使用国内pip源速度慢一点，但是却可以装。那就耐心等待安装结束吧。再来重启jupyter lab和重新执行Notebook终于可以了。（牛年不容易，期望虎年容易些。。）创建LeNet网络：下载数据集：耐心等待下载完毕：下面开始训练模型：。。。耐心等待第一个epoch 1875个step结束：可见左边的ckpt模型文件已经生成。然后开始评估：定义servable json启动服务器：此时，因为这个命令没有执行完毕，所以出现不了数字。再打开一个新的Notebook（选择TinyMS内核）准备图片：查看后台模型：进行推理（通过serving发送请求）可以看到推理的结果是7。再切换到原来的服务端，关闭服务：这就完成了手写数字LeNet网络的训练和推理过程。从上面的体验可以看出：（1）从主体代码来看，TinyMS像是将基本代码和MindSpore Serving做了个结合。（2）训练代码在建立网络上略显得简洁，训练参数也略有减少，但是所有的步骤貌似都没减少。如果让用户看到更少的参数设置或许会更好一点。（3）推理代码一行话完成，确实也简洁了很多。说明TinyMS团队的目标就是让开发者使用起来更简单一些。这就是MindSpore跟TinyMS开发的对比。至于TinyMS跟Keras开发的对比，我们下次再看一下吧。先祝大家虎年吉祥。（全文完，谢谢阅读）

使用VMware + Ubuntu ，使用A200DK的烧卡程序进行烧卡，发生以下错误。开始以为是SD卡出了问题，换了一张卡问题依旧，后来用fdisk -l 命令查看，看到无法识别到读卡器，解决方法1.VMware USB控制器兼容性设置我的读卡器是USB3.0的，在虚拟机设置->USB控制器->兼容性选USB3.02.将读卡器连到虚拟机虚拟机->可移动设备中找到读卡器，点击连接(从主机断开)sudo fdisk -l 命令可以看到32G的SD卡了

使用200DK开发板和Ubuntu操作系统连接后，运行人脸检测，不用presenter agent有没有办法将结果实时回传到上位机上进行查看，是否有类似的样例或解决方案

【功能模块】atlas200DK【操作步骤&问题现象】官网上的开发步骤都是将ubuntu服务器安装在windows虚拟机中，我目前将ubuntu服务器直接安装在电脑上并不是虚拟机，然后将可以正常启动的200DKusb网口和ubuntu系统的PC USB口相连，请问ubuntu里面如何安装RNDIS驱动来和200DK进行网络通讯。有驱动可以提供一下吗

如图所示，更新索引需要加sudo