TrainingSuite 快速开始

本文以 v2.1.5 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
x86_64 平台	registry.mthreads.com/mcctest/ai/training-suite:v2.1.5	仅支持 x86_64 和 Ubuntu 22.04;对应 MUSA SDK 4.3.5 和 torch_musa 2.7.1。

没有提供 Hygon 镜像。镜像标签存在只表示镜像已经发布，不代表所有模型和训练配置均已验证。

2. 拉取并启动

以下命令在 Docker 宿主机执行：

docker pull registry.mthreads.com/mcctest/ai/training-suite:v2.1.5

启动交互式容器：

docker run --rm -it \
  --runtime=mthreads \
  --privileged \
  --network=host \
  --shm-size=64g \
  -e MTHREADS_VISIBLE_DEVICES=all \
  registry.mthreads.com/mcctest/ai/training-suite:v2.1.5 \
  /bin/bash

容器启动参数需要与宿主机驱动、MUSA Container Toolkit 和实际资源配置匹配。请使用完整镜像地址，不要替换为其他版本的仓库路径或标签。

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资料；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，再核对目标标签的 SDK、CPU 平台和 PyTorch 版本。