TrainingSuite 快速开始

本文以 v2.1.7 常规版为例，说明如何选择公网镜像、启动容器并确认实际的软件栈。其他版本请先查看版本对照。

1. 选择镜像

运行平台	镜像	使用边界
常规 x86 平台（Intel 场景）	registry.mthreads.com/mcctest/training-suite:v2.1.7	发布记录列出 MUSA SDK 4.3.8、PyTorch 2.7.1、torch_musa 2.7.1
Hygon 平台	registry.mthreads.com/mcctest/training-suite:v2.1.7_hygon	独立平台标签；torch_musa 已适配，完整训练流程仍需按场景验证

两个公网标签均可查询到镜像清单。这里只表示 TrainingSuite 镜像已发布，不是独立 PyTorch base 镜像的发布清单。请不要把 Hygon 标签用于 Intel 宿主机，或反过来使用。

2. 拉取并启动

以下命令在 Docker 宿主机执行。根据宿主机 CPU 平台选择其一：

# 常规 x86 平台
docker pull registry.mthreads.com/mcctest/training-suite:v2.1.7

# Hygon 平台
docker pull registry.mthreads.com/mcctest/training-suite:v2.1.7_hygon

常规版启动示例：

docker run --rm -it \
  --runtime=mthreads \
  --privileged \
  --network=host \
  --shm-size=64g \
  -e MTHREADS_VISIBLE_DEVICES=all \
  registry.mthreads.com/mcctest/training-suite:v2.1.7 \
  /bin/bash

在 Hygon 平台上运行时，将镜像 Tag 换成 v2.1.7_hygon。容器启动参数仍需与宿主机驱动、MUSA Container Toolkit 和实际资源配置匹配。

3. 验证实际环境

进入容器后执行：

mthreads-gmi
cat /usr/local/musa/version.json
python3 - <<'PY'
import torch
import torch_musa

print("PyTorch:", torch.__version__)
print("torch_musa:", torch_musa.__version__)
print("MUSA available:", torch.musa.is_available())
print("MUSA device count:", torch.musa.device_count())
PY

若镜像中没有 /usr/local/musa/version.json，请使用镜像实际提供的 SDK 版本查询文件或命令。文档列出的版本来自发布记录；实际安装版本以容器检查结果为准。

4. 下一步

• 返回 AI训练和推理首页，开始训练。
• 如果只需要 PyTorch 开发环境，不需要 TrainingSuite 的上层组件，请查阅 torch_musa 的独立镜像说明，再核对目标 Tag 的 SDK、CPU 平台和 PyTorch 版本。