ascend-model-migration

Ascend モデル移行スイート

Ascend NPU 環境向けの、モデル移行とトレーニングを包括的に行うスイートです。SSH 接続からモデルのトレーニングまで、エンドツーエンドのワークフローを提供します。

呼び出すタイミング

• オープンソースモデルを Ascend NPU に移行したい場合
• Ascend NPU でトレーニング環境をセットアップしたい場合
• Ascend NPU でモデル（BEVFormer など）をトレーニングしたい場合
• Ascend プラットフォームでのモデルデプロイについて質問がある場合

スイートの構成

ascend-model-migration/
├── SKILL.md              # Main skill (this file)
├── ssh-connection/       # SSH connection skill (from ssh-dev-suite)
│   └── SKILL.md
├── model-migration/      # Model migration skill
│   └── SKILL.md
└── model-training/       # Model training skill
    └── SKILL.md

# External Dependencies (in AgentSkills/skills/)
└── ascend-mmlab-install-suite/  # MMLab environment setup
    └── SKILL.md

ワークフローの概要

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│  ssh-connection │ ──► │ mmlab-install   │ ──► │ model-migration │ ──► │ model-training  │
│                 │     │    -suite       │     │                 │     │                 │
│  Connect to     │     │  Install mmcv,  │     │  Clone repo,    │     │  Execute        │
│  Ascend server  │     │  mmdet, mmdet3d │     │  apply patches  │     │  training script│
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

ワークフロー全体

フェーズ 0：DrivingSDK の準備

DrivingSDK リポジトリのアドレス：https://gitcode.com/Ascend/DrivingSDK

作業を始める前に、DrivingSDK が作業ディレクトリにクローンされていることを確認します。

cd <working_directory>
git clone https://gitcode.com/Ascend/DrivingSDK

重要：DrivingSDK には必要なパッチファイルとトレーニングスクリプトがすべて含まれているため、パッチの場所をユーザーに尋ねる必要はありません。

フェーズ 1：環境情報の収集

以下の情報をユーザーに尋ねます。

1. Server IP address (e.g., 192.168.13.151)
2. SSH username (e.g., root)
3. Docker container name (if applicable, e.g., qianqian_0312)
4. Conda environment name (e.g., qianqian_2)
5. Working directory path (e.g., /home/zqq/0312_trae_new)

このスイートの ssh-connection スキルを使用して接続を確立します。

フェーズ 2：環境のセットアップ

AgentSkills/skills/ascend-mmlab-install-suite/ を使用して依存関係をインストールします。

1. 基本環境（torch、torch_npu、CANN）を確認する
2. MMLab の依存関係をインストールする：
   • mmcv-full（NPU オペレーター対応）
   • mmdetection
   • mmsegmentation
   • mmdetection3d
   • detectron2

フェーズ 3：モデルの移行

このスイートの model-migration スキルを使用してモデルコードを準備します。

1. オープンソースリポジトリをクローンする
2. NPU 対応パッチを適用する
3. データセットと重みのリンクを設定する

フェーズ 4：モデルのトレーニング

このスイートの model-training スキルを使用してトレーニングを開始します。

1. トレーニングモード（性能／精度）を選択する
2. トレーニングスクリプトを実行する
3. トレーニングの進行状況を監視する

対応モデル

モデル	状態	DrivingSDK のパス
BEVFormer	✅ 対応済み	model_examples/BEVFormer
その他のモデル	🔄 近日対応予定	-

クイックスタートの例

User: "I want to train BEVFormer on Ascend NPU"

Agent workflow:
1. [ssh-connection] Ask for server info → Connect
2. [ascend-mmlab-install-suite] Check environment → Install MMLab deps
3. [model-migration] Clone BEVFormer → Apply patch → Link data
4. [model-training] Launch training → Monitor progress

主要な原則

NPU 互換性の確認

インストール後、NPU との互換性を確認します。

python -c "import site; print([p for p in site.getsitepackages() if 'cuda' in p.lower()])"

NPU 環境では空のリスト [] が返されます。

ネットワーク戦略

状況	戦略
サーバーから GitHub にアクセスできる	サーバー上で直接 git clone する
サーバーでネットワークがタイムアウトする	プロキシを設定するか、ローカルにクローンしてからサーバーに scp する
プロキシを利用できる	プロキシを設定する：export http_proxy=http://proxy:port

重要：GitHub リポジトリをクローンする際は、必ず GitHub の公式リンクを使用し、ミラーサイトは使用しないでください。ネットワークがタイムアウトする場合は、まずプロキシの設定を試してください。

エラー処理

各サブスキルはそれぞれのエラーを処理し、復旧方法を提案します。よくある問題は次のとおりです。

1. SSH 接続に失敗する：IP、ユーザー名、パスワード／キーを確認する
2. NPU デバイスが見つからない：環境変数を確認する
3. CUDA パスが競合する：NPU 対応版を再インストールする
4. パッチの適用に失敗する：コードのバージョンを確認する

環境変数のリファレンス

Ascend NPU の一般的な環境変数：

export ASCEND_SLOG_PRINT_TO_STDOUT=0
export ASCEND_GLOBAL_LOG_LEVEL=3
export TASK_QUEUE_ENABLE=2
export COMBINED_ENABLE=1
export HCCL_WHITELIST_DISABLE=1
export HCCL_CONNECT_TIMEOUT=1200

注：特定の環境では ASCEND_RT_VISIBLE_DEVICES が必要になる場合があります。

参照ファイル

• SSH 接続：ssh-connection/SKILL.md（このスイート）
• MMLab インストールスイート：AgentSkills/skills/ascend-mmlab-install-suite/SKILL.md
• DrivingSDK のパス：DrivingSDK/model_examples/
• モデル移行：model-migration/SKILL.md（このスイート）
• モデルのトレーニング：model-training/SKILL.md（このスイート）