ascend-ai-coding ascend-mmcv-install
功能
在昇腾NPU容器中编译安装mmcv-full（含NPU算子支持）
前置条件
- 容器中已安装 Ascend CANN 和 torch_npu
- 工作目录已挂载（如 /home/zqq）
使用
步骤0：安装前置三方库依赖
根据目标 PyTorch 版本安装前置依赖：
source /opt/conda/bin/activate <conda-env-name>
# 根据版本选择对应的 requirements 文件
pip install -r /path/to/DrivingSDK/model_examples/BEVFormer/requirements.txt
# 或 requirements_pytorch2.6.0.txt / requirements_pytorch2.7.1.txt 等
步骤1：确认conda环境（向用户确认）
询问用户使用的conda环境名称
步骤2：克隆mmcv仓库
根据网络情况选择：
服务器直连正常：
git clone -b 1.x https://github.com/open-mmlab/mmcv.git
服务器网络超时：配置代理或本地克隆后scp传输
# 方案1：配置代理
export http_proxy=http://proxy:port
export https_proxy=http://proxy:port
git clone -b 1.x https://github.com/open-mmlab/mmcv.git
# 方案2：本地克隆后传输（仍使用GitHub链接）
# 本地执行
git clone -b 1.x https://github.com/open-mmlab/mmcv.git
scp -r mmcv user@server:/target/path/
重要：始终使用GitHub官方链接，不使用镜像站点。
步骤3：应用patch
从DrivingSDK复制patch并应用：
cd mmcv
cp /path/to/DrivingSDK/model_examples/BEVFormer/mmcv_config.patch .
git apply --reject mmcv_config.patch
步骤4：安装依赖
source /opt/conda/bin/activate <conda-env-name>
pip install -r requirements/runtime.txt
pip install ninja
步骤5：编译安装
MMCV_WITH_OPS=1 MAX_JOBS=8 FORCE_NPU=1 python setup.py build_ext
MMCV_WITH_OPS=1 FORCE_NPU=1 python setup.py develop
步骤6：验证安装
python -c "import mmcv; print(mmcv.__version__)"
NPU验证：确认没有CUDA依赖
python -c "import site; print([p for p in site.getsitepackages() if 'cuda' in p.lower()])"
# 应输出空列表
关键环境变量
| 变量 | 说明 |
|---|---|
| MMCV_WITH_OPS=1 | 编译NPU算子 |
| FORCE_NPU=1 | 强制使用NPU后端 |
| MAX_JOBS=8 | 并行编译任务数 |
常见问题
- numpy版本冲突：尝试
pip install numpy==1.23.5 - 编译超时：增加 MAX_JOBS
- patch失败：手动处理或跳过非关键patch
决策指引
向用户提问：
- conda环境名称？
- 服务器网络能否访问GitHub？
- patch文件具体路径？