ascend-model-migration

Ascend 模型迁移套件

适用于 Ascend NPU 环境的完整模型迁移与训练套件。该套件提供从 SSH 连接到模型训练的端到端工作流。

适用场景

• 用户希望将开源模型迁移到 Ascend NPU
• 用户需要在 Ascend NPU 上配置训练环境
• 用户希望在 Ascend NPU 上训练模型（BEVFormer 等）
• 用户询问 Ascend 平台上的模型部署

套件结构

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

工作流概览

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

完整工作流

阶段 0：准备 DrivingSDK

DrivingSDK 仓库地址：https://gitcode.com/Ascend/DrivingSDK

开始任何工作前，请确认 DrivingSDK 已克隆到工作目录：

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

重要：DrivingSDK 包含所有必要的补丁文件和训练脚本，无需向用户询问补丁位置。

阶段 1：收集环境信息

向用户询问以下信息：

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)

使用 ssh-connection 技能（本套件）建立连接。

阶段 2：环境配置

使用 AgentSkills/skills/ascend-mmlab-install-suite/ 安装依赖项：

1. 验证基础环境（torch、torch_npu、CANN）
2. 安装 MMLab 依赖项：
   • mmcv-full（含 NPU 算子）
   • mmdetection
   • mmsegmentation
   • mmdetection3d
   • detectron2

阶段 3：模型迁移

使用 model-migration 技能（本套件）准备模型代码：

1. 克隆开源仓库
2. 应用 NPU 适配补丁
3. 配置数据集和权重链接

阶段 4：模型训练

使用 model-training 技能（本套件）启动训练：

1. 选择训练模式（性能/精度）
2. 执行训练脚本
3. 监控训练进度

支持的模型

模型	状态	DrivingSDK 路径
BEVFormer	✅ 已支持	model_examples/BEVFormer
更多模型	🔄 即将推出	-

快速入门示例

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

核心原则

NPU 兼容性检查

安装后，验证 NPU 兼容性：

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

在 NPU 环境中应返回空列表 []。

网络策略

情况	策略
服务器可以访问 GitHub	直接在服务器上执行 git clone
服务器网络超时	配置代理，或在本地克隆后通过 scp 传到服务器
有可用代理	配置代理：export http_proxy=http://proxy:port

重要：克隆所有 GitHub 仓库时都应使用 GitHub 官方链接，不要使用镜像站点。如果网络超时，请优先配置代理。

错误处理

每个子技能都会处理自身错误并提供恢复建议。常见问题：

1. SSH 连接失败：检查 IP、用户名、密码/密钥
2. 未找到 NPU 设备：检查环境变量
3. CUDA 路径冲突：重新安装并启用 NPU 支持
4. 补丁应用失败：检查代码版本

环境变量参考

常见的 Ascend NPU 环境变量：

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

注意：在特定环境中可能需要设置 ASCEND_RT_VISIBLE_DEVICES。

参考文件

• SSH 连接：ssh-connection/SKILL.md（本套件）
• MMLab 安装套件：AgentSkills/skills/ascend-mmlab-install-suite/SKILL.md
• DrivingSDK 路径：DrivingSDK/model_examples/
• 模型迁移：model-migration/SKILL.md（本套件）
• 模型训练：model-training/SKILL.md（本套件）