Mindspeed LLM Env Setup

MindSpeed-LLM 昇腾 NPU 环境搭建

本 Skill 指导用户在华为昇腾 NPU 上搭建 MindSpeed-LLM 分布式训练环境。

组件关系

Megatron-LM (NVIDIA)     ← 分布式训练核心 (TP/PP)，使用 core_v0.12.1 分支
    ↑
MindSpeed (Huawei)       ← 昇腾适配层，猴子补丁优化 Megatron 内核
    ↑
MindSpeed-LLM (Huawei)   ← 应用层：训练脚本、数据预处理、权重转换

快速开始

6 步完成环境搭建：

# 1. 激活 CANN 环境（CANN 8.5.0+ 路径；旧版用 /usr/local/Ascend/ascend-toolkit/set_env.sh）
source /usr/local/Ascend/cann/set_env.sh
source /usr/local/Ascend/nnal/atb/set_env.sh

# 2. 安装 PyTorch + torch_npu
pip install torch==2.7.1 --index-url https://download.pytorch.org/whl/cpu
pip install torch_npu==2.7.1rc1
pip install numpy pyyaml scipy attrs decorator psutil

# 3. 克隆并安装 MindSpeed
git clone https://gitcode.com/ascend/MindSpeed.git
cd MindSpeed && pip install -r requirements.txt && pip install -e . && cd ..

# 4. 克隆 Megatron-LM 并复制核心模块
git clone https://github.com/NVIDIA/Megatron-LM.git
cd Megatron-LM && git checkout core_v0.12.1 && cd ..
cp -r Megatron-LM/megatron MindSpeed-LLM/

# 5. 安装 MindSpeed-LLM
cd MindSpeed-LLM && pip install -r requirements.txt

# 6. 验证环境
python -c "
import torch
import torch_npu
print(f'NPUs available: {torch_npu.npu.device_count()}')
print(f'NPU ready: {torch.npu.is_available()}')
"

版本兼容矩阵

以上为当前 master 分支版本。历史版本请查阅 官方安装文档。 检查 CANN 版本：cat /usr/local/Ascend/cann/latest/aarch64-linux/ascend_toolkit_install.info（CANN 8.5.0+）或 cat /usr/local/Ascend/ascend-toolkit/latest/aarch64-linux/ascend_toolkit_install.info（旧版）。

Docker 容器创建

docker run -it --name mindspeed-llm \
    --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 \
    -v /usr/local/dcmi:/usr/local/dcmi \
    -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
    -v /usr/local/Ascend/driver/lib64:/usr/local/Ascend/driver/lib64 \
    -v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \
    -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
    -v /home/workspace:/home/workspace \
    swr.cn-south-1.myhuaweicloud.com/ascendhub/cann:8.5.0-910b-ubuntu22.04-py3.10 \
    bash

注意：CANN 容器镜像不含 ML 依赖，进入容器后需手动安装 PyTorch、torch_npu 等。

目录结构

安装完成后，工作区结构应如下：

workspace/
├── MindSpeed/                    # 加速库
├── MindSpeed-LLM/                # 主项目
│   ├── megatron/                 # 从 Megatron-LM 复制的核心模块
│   ├── examples/mcore/           # 各模型的示例脚本
│   ├── preprocess_data.py        # 数据预处理入口
│   ├── convert_ckpt.py           # 权重转换 v1
│   ├── convert_ckpt_v2.py        # 权重转换 v2
│   ├── pretrain_gpt.py           # 预训练入口
│   └── posttrain_gpt.py          # 微调/后训练入口
├── Megatron-LM/                  # NVIDIA 原始仓库（仅用于复制 megatron/）
├── model_from_hf/                # HuggingFace 模型权重
└── dataset/                      # 训练数据集

环境验证清单

常见问题

Q: ModuleNotFoundError: No module named 'yaml' 导入 torch_npu 时

CANN Docker 镜像缺少基础 Python 包：

pip install numpy pyyaml scipy attrs decorator psutil

Q: 网络问题导致 pip install 或 git clone 失败

使用代理：

export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890
pip install torch==2.7.1 --index-url https://download.pytorch.org/whl/cpu

Q: Megatron-LM checkout 分支找不到

确认使用正确的分支名（注意 core_v 前缀）：

cd Megatron-LM
git branch -a | grep core
git checkout core_v0.12.1

使用顺序

环境搭建完成后，按以下顺序进行训练部署：

1. 数据预处理 → 使用 mindspeed-llm-data-prep
2. 权重转换 → 使用 mindspeed-llm-weight-prep
3. 训练启动 → 使用 mindspeed-llm-training

参考资源

• 详细安装指南 - 完整安装步骤和多版本配置
• MindSpeed-LLM 仓库
• MindSpeed 仓库
• Megatron-LM
• 昇腾文档