2. 快速安装

2.1. 基于pip安装

2.1.1. 环境准备

Python

匹配目标安装包的Python版本
MXMACA环境

安装Driver软件包以及MXMACA SDK软件包
cu-bridge环境
- 在安装MXMACA环境到 /opt/maca/ 目录后，参考 cu-bridge 的使用指南安装并配置cu-bridge环境，将cu-bridge安装到 /opt/maca/tools/ 目录下。可以检查以下文件是否存在，并确认cu-bridge环境是否准备完毕：
```
/opt/maca/tools/cu-bridge/bin/cucc
/opt/maca/tools/cu-bridge/tools/cmake_maca
```
- cu-bridge环境不需要安装CUDA Toolkit。

2.1.2. 开始安装

PyTorch安装包以 maca-pytorch${pytorch_version}-py${python_version}-${MXMACA_version}-${arch_info}.tar.xz 格式命名。

获取PyTorch安装包后，解压可以得到包括mcPyTorch、mcTorchvison、mcTorchaudio、mcApex、mcFlashattn、mcTriton在内的whl格式安装包。

操作步骤

安装方式同标准whl包。

安装mcPyTorch：
```
python -m pip install torch-*.whl
```
安装mcFlashattn：
```
python -m pip install flash_attn-*.whl
```

（可选）安装mcTorchvision：

python -m pip install torchvision-*.whl

（可选）安装mcTorchaudio：
```
python -m pip install torchaudio-*.whl
```
（可选）安装mcApex：
```
python -m pip install apex-*.whl
```
（可选）安装mcTriton：
```
python -m pip install triton-*.whl
```

2.1.3. 验证安装

操作步骤

运行前设置环境变量：

export MACA_PATH=/opt/maca/
export LD_LIBRARY_PATH=${MACA_PATH}/lib:${MACA_PATH}/mxgpu_llvm/lib:${MACA_PATH}/ompi/lib:${LD_LIBRARY_PATH}
export MACA_CLANG_PATH=${MACA_PATH}/mxgpu_llvm/bin

如果使用PyTorch Extension功能，需要额外设置以下环境变量：

export CUDA_PATH=/opt/maca/tools/cu-bridge/
export CUCC_PATH=/opt/maca/tools/cu-bridge/
export PATH=${CUCC_PATH}/tools:${CUCC_PATH}/bin:${PATH}

执行以下命令：

python -c "import torch; print(torch.ones(2).cuda())"

会得到如下打印输出，即表明安装成功：

tensor([1., 1.], device='cuda:0')

2.1.4. 如何卸载

卸载方式同标准whl包。

操作步骤

卸载mcPyTorch：
```
python -m pip uninstall torch
```

2.2. 使用Docker运行

MXMACA容器镜像是以离线形式发布。用户可在随本文档发布的软件包中找到相关压缩包。

操作步骤

获取MXMACA容器镜像，执行以下命令，完成容器镜像的加载：
```
docker load < ./${container_name}.container.xz
```

在Docker容器中使用板卡，使用全部曦云系列GPU（以C500为例）：

docker run -it --device=/dev/mxcd --device=/dev/dri --group-add video ${image_name} /bin/bash