使用mindspore运行run_check报错
问题描述mindspore-2.9.0安装后执行验证报错环境芯片型号Ascend910ProB x86系统 驱动25.5.2 CAAN9.0.0 推理卡 Atlas 300T PRO查推理卡结果如下root60da424e2c4f:/# python3 -c import acl;print(acl.get_soc_name()) Ascend910ProB设备信息如下华为 TaiShan 200 (Model 2280) 2U机架式服务器 2*Kunpeng 920[48Core\2.6GHz](mailto:48Core2.6GHz) DDR4 RDIMM-512GB 1920GB-SSD*2 4TB SATA*3 RAID-2G 2000W*2 4*GE千兆电口2*10GBE带双光模块 Atlas 300T PRO32G)*1导轨 三年质保验证mindspore:root60da424e2c4f:/# python -c import mindspore;mindspore.set_device(Ascend);mindspore.run_check()/usr/local/python3.11.15/lib/python3.11/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]) /usr/local/python3.11.15/lib/python3.11/site-packages/numpy/core/getlimits.py:89: UserWarning: The value of the smallest subnormal for class numpy.float32 type is zero. return self._float_to_str(self.smallest_subnormal) /usr/local/python3.11.15/lib/python3.11/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]) /usr/local/python3.11.15/lib/python3.11/site-packages/numpy/core/getlimits.py:89: UserWarning: The value of the smallest subnormal for class numpy.float64 type is zero. return self._float_to_str(self.smallest_subnormal) MindSpore version: 2.9.0 MindSpore running check failed. Call aclnnMul failed, detail:EZ9999: Inner Error! EZ9999[PID: 610] 2026-06-02-12:48:59.953.320 AclNN_Inner_Error(EZ9999): Parse dynamic kernel config fail.[THREAD:700] TraceBack (most recent call last): Failed to ParseDynamicKernels.[THREAD:700] AclOpKernelInit failed opType. Maybe caused by the following reasons: 1. Please check whether the CANN enviroment variables are sourced. 2. Please check if the kernel package is installed. 3. Please confirm whether the current chip or version already supports the faulty operator.[THREAD:700] Op Mul does not has any binary.[THREAD:701] Kernel Run failed. opType: 4, Mul[THREAD:701] launch failed for Mul, errno:561000.[THREAD:701] ---------------------------------------------------- - C Call Stack: (For framework developers) ---------------------------------------------------- mindspore/ops/kernel/ascend/aclnn/pyboost_impl/auto_generate/pyboost_ascend_ops_4.cc:1153 operator()解决方案使用的芯片型号Ascend910ProB需要确认安装的CANN是以哪个形式安装的。如果是runfile分包离线安装的话是否使用了Ascend-cann-910-ops分包根据报错日志当前环境似乎无法正确加载算子疑似使用了错误的算子分包如Ascend-cann-910b-ops或Ascend-cann-310b-ops分包。

相关新闻

nRF Connect SDK 开发环境配置踩坑记录

nRF Connect SDK 开发环境配置踩坑记录

一,发现问题 我在搭建 nRF52832 的开发环境时,从网盘下载了 nCS v2.4.0 的 SDK 和工具链压缩包,解压后目录结构看起来没问题,但 VS Code 的 nRF Connect 扩展就是不认。 WELCOME 视图里一直显示 Install SDK 和 Install Toolchain…

2026/7/29 23:27:58 阅读更多 →
【单片机毕业设计】基于 SW-18010P 传感器的防盗监测系统实现 基于 STM32 的震动次数统计声光报警装置设计(010701)

【单片机毕业设计】基于 SW-18010P 传感器的防盗监测系统实现 基于 STM32 的震动次数统计声光报警装置设计(010701)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/29 23:27:58 阅读更多 →
IP风控网站是做什么的?5大核心场景+工具选型指南

IP风控网站是做什么的?5大核心场景+工具选型指南

IP风控网站,简单说就是一套基于IP地址的多维风险识别系统。它不是把IP归属地查出来给你看,而是在业务请求到达的瞬间,帮你判断“这个IP到底能不能信”。它回答三个问题:这个IP是机房服务器还是家庭宽带?这个IP是不是通…

2026/7/29 23:27:58 阅读更多 →

最新新闻

【单片机课程设计/毕业设计】基于单片机的微型消毒箱监测与定时控制硬件系统设计 基于 STM32 的环境监测与消毒设备自动启停装置开发(011301)

【单片机课程设计/毕业设计】基于单片机的微型消毒箱监测与定时控制硬件系统设计 基于 STM32 的环境监测与消毒设备自动启停装置开发(011301)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/29 23:40:02 阅读更多 →
【单片机课程设计/毕业设计】基于按键交互的智能恒温加热控制器设计 基于 DS18B20 传感器的室内温控硬件系统研制(011201)

【单片机课程设计/毕业设计】基于按键交互的智能恒温加热控制器设计 基于 DS18B20 传感器的室内温控硬件系统研制(011201)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/29 23:40:02 阅读更多 →
【单片机课程设计/毕业设计】基于 STM32 的带定时提醒功能环境检测终端 基于 STM32 的实时计时与环境感知报警装置设计(011101)

【单片机课程设计/毕业设计】基于 STM32 的带定时提醒功能环境检测终端 基于 STM32 的实时计时与环境感知报警装置设计(011101)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/29 23:40:02 阅读更多 →
为什么选择Riva-Translate-4B-Instruct?对比主流翻译模型的核心优势分析

为什么选择Riva-Translate-4B-Instruct?对比主流翻译模型的核心优势分析

为什么选择Riva-Translate-4B-Instruct?对比主流翻译模型的核心优势分析 【免费下载链接】Riva-Translate-4B-Instruct 项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/Riva-Translate-4B-Instruct Riva-Translate-4B-Instruct是一款由NVIDIA开发的高…

2026/7/29 23:40:02 阅读更多 →
【单片机课程设计/毕业设计】基于 OLED 屏的水质温浊度数据采集系统开发 基于 STM32 的水体环境参数检测与声光提醒设计(011001)

【单片机课程设计/毕业设计】基于 OLED 屏的水质温浊度数据采集系统开发 基于 STM32 的水体环境参数检测与声光提醒设计(011001)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/29 23:40:02 阅读更多 →
GPG文件加密实战:从原理到应用,保护敏感数据全流程指南

GPG文件加密实战:从原理到应用,保护敏感数据全流程指南

1. 项目概述:为什么你的文件需要GPG这把“锁”?在数字世界里,我们每天都在产生和传递敏感信息——可能是公司的财务报告、个人的身份证明扫描件、尚未公开的商业计划书,或者仅仅是写给朋友的一封私密信件。这些文件一旦以明文形式…

2026/7/29 23:39:01 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/29 22:18:20 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/29 14:34:28 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/29 15:00:03 阅读更多 →

月新闻