/**************************如有任何问题和疑问，请评论区留言*********************************/

0.前提条件

 0.1 登录机器

机器已开通，密码已获取，能通过ssh登录

0.2 检查NPU设备

 NPU设备检查：运行npu-smi info命令，返回npu设备信息。

0.3 docker安装

#检查docker是否安装：docker -v，如如尚未安装，运行以下命令进行docker安装
yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64
#配置IP转发，用于容器内的网络访问：
sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf
sysctl -p | grep net.ipv4.ip_forward

0.4 获取镜像

docker pull swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_8.0.rc3-py_3.9-hce_2.0.2406-aarch64-snt9b-20240910112800-2a95df3

0.5 启动镜像

启动容器镜像。启动前请先按照参数说明修改${}中的参数。

docker run -it -u=0 --net=host \ 
--device=/dev/davinci0 \ 
--device=/dev/davinci1 \ 
--device=/dev/davinci2 \ 
--device=/dev/davinci3 \ 
--device=/dev/davinci4 \ 
--device=/dev/davinci5 \ 
--device=/dev/davinci6 \ 
--device=/dev/davinci7 \ 
--device=/dev/davinci_manager \ 
--device=/dev/devmm_svm \ 
--device=/dev/hisi_hdc \ 
--shm-size=32g \ 
-v /usr/local/dcmi:/usr/local/dcmi \ 
-v /usr/local/Ascend/driver:/usr/local/Ascend/driver \ 
-v /var/log/npu/:/usr/slog \ 
-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \ 
-v ${work_dir}:${container_work_dir} \ 
--name ${container_name} \ 
${image_id}  \ 
/bin/bash

参数说明：

device=/dev/davinci0，...， --device=/dev/davinci7：挂载NPU设备，示例中挂载了8张卡davinci0~davinci7，可根据需要选择挂载卡数。

${work_dir}:${container_work_dir} 代表需要在容器中挂载宿主机的目录。宿主机和容器使用不同的文件系统，work_dir为宿主机中工作目录，目录下存放着训练所需代码、数据等文件。container_dir为要挂载到的容器中的目录。为方便两个地址可以相同。

shm-size：共享内存大小。

${container_name}：容器名称，进入容器时会用到，此处可以自己定义一个容器名称。

${image_id}：镜像ID，通过docker images查看刚拉取的镜像ID。

容器不能挂载到/home/ma-user目录，此目录为ma-user用户家目录。如果容器挂载到/home/ma-user下，拉起容器时会与基础镜像冲突，导致基础镜像不可用。

driver及npu-smi需同时挂载至容器。不要将多个容器绑到同一个NPU上，会导致后续的容器无法正常使用NPU功能。

1. 推理验证

1.1  安装训练依赖的三方库

前提可访问公网

 pip install funasr==1.1.12 torchaudio==2.1.0 tqdm==4.66.6

1.2 推理

1)下载模型文件

下载地址： https://www.modelscope.cn/models/iic/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch/files

2)推理代码

from funasr import AutoModel
import torch_npu
from torch_npu.contrib import transfer_to_npu

#设置已下载模型文件路径
path_asr  = 'models/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch'

model = AutoModel(
    model               = path_asr,
    model_revision      = "v2.0.4",
    device              = "cuda:0",
)

#warmup
warmup_file="asr_example_zh.wav"
text = model.generate(input=warmup_file)[0]["text"]
print(text)

input_files = "data/aishell.scp"
result_text = model.generate(input=input_files)

with open(input_files, 'r') as file:
    lines = file.readlines()
first_columns = [line.split()[0] for line in lines]

result_file = "infer_result.txt"
with open(result_file, 'w') as file:
        for i in range(len(result_text)):
            file.write(str(first_columns[i]) + ' ' + str(result_text[i]["text"]) + '\n')

测试集选择aishell1中的测试集(https://www.modelscope.cn/datasets/modelscope/speech_asr_aishell1_testsets)，输入文件使用scp 批量测试，aishell.scp文件内容格式如下

BAC009S0764W0121 speech_asr_aishell1_testsets/wav/test/S0764/BAC009S0764W0121.wav
BAC009S0764W0122 speech_asr_aishell1_testsets/wav/test/S0764/BAC009S0764W0122.wav
BAC009S0764W0123 speech_asr_aishell1_testsets/wav/test/S0764/BAC009S0764W0123.wav
BAC009S0764W0124 speech_asr_aishell1_testsets/wav/test/S0764/BAC009S0764W0124.wav
...

 Groudtruth文件text如下

BAC009S0770W0259 该网站根据雇员的反馈
BAC009S0770W0265 谷歌不仅会以优厚薪酬招募顶尖人才
BAC009S0770W0271 谷歌的福利待遇他家基本都有
BAC009S0770W0488 其在村西旁花费万元建起一名叫清明堂的家庙
...

1.3 测试结果: