القائمة
昇腾NPU环境安装OpenMMLab系列库套件（mmcv/mmdet/mmdet3d/detectron2），支持本地+远程混合开发模式
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ascend-ai-coding/awesome-ascend-skills --skill external-gitcode-ascend-ascend-mmlab-install-suiteيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
评估 CANN 算子仓的「进阶教程 / 开发指南」类文档质量——通读文档 + 对照算子代码**静态**查证(默认不跑),按五轴(找得到/信得过/学得会/可操作/读得懂)找出 漏讲/讲不清/过时/对不上代码/概念讲错,产出带证据与改进建议的体检报告(MD + HTML)。涉及「评进阶教程 / 开发指南文档质量 / 文档对不对得上代码 / 教程审稿 / tutorial 体检 / 文档信不信得过」等意图时使用。只评不改不跑,只对着文档与代码出诊断。
Run NPU inference/training tests on a remote SSH server with vllm-ascend Docker container. Use when the user asks to test models on NPU, run inference on Ascend devices, or deploy models to an SSH server.
Track daily PRs and Issues from vllm-project/vllm and vllm-project/vllm-ascend, filter by model (DeepSeek/Qwen/GLM/MiniMax/Kimi) and tech topics (PD disaggregation, MTP, quantization, graph mode, performance), analyze with LLM, and generate a Markdown report. Use when user wants vllm daily tracker, PR/Issue digest, or Ascend inference ecosystem monitoring.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | external-gitcode-ascend-ascend-mmlab-install-suite |
| description | 昇腾NPU环境安装OpenMMLab系列库套件（mmcv/mmdet/mmdet3d/detectron2），支持本地+远程混合开发模式 |
| original-name | ascend-mmlab-install-suite |
| synced-from | https://gitcode.com/Ascend/agent-skills |
| synced-date | 2026-05-26 |
| synced-commit | 1f7666e7768a0ceb21bb1d40ce4b5179fcb6f1d6 |
| license | UNKNOWN |
在昇腾NPU容器环境中安装 OpenMMLab 系列库，支持：
mmcv/SKILL.mdmmdet/SKILL.mdmmdet3d/SKILL.mddetectron2/SKILL.md目标服务器信息：
conda环境：
网络情况：
在安装 OpenMMLab 库之前，需要安装前置依赖包。根据目标 PyTorch 版本选择对应的 requirements 文件：
| PyTorch版本 | requirements文件 |
|---|---|
| torch 2.1.x | requirements.txt |
| torch 2.6.0 | requirements_pytorch2.6.0.txt |
| torch 2.7.1 | requirements_pytorch2.7.1.txt |
| torch 2.7.1 (Ascend NPU) | requirements_pytorch2.7.1_a5.txt |
文件位置参考：DrivingSDK/model_examples/BEVFormer/requirements*.txt
安装方式：
pip install -r /path/to/requirements_xxx.txt
严禁使用 pip install mmcv-full 等方式直接安装，因为：
正确流程：
安装完成后必须验证：
python -c "import site; print([p for p in site.getsitepackages() if 'cuda' in p.lower()])"
如果有 CUDA 相关路径输出，说明安装的是 CUDA 版本，需要重新安装。
| 情况 | 策略 |
|---|---|
| 服务器直连GitHub正常 | 在服务器上直接 git clone |
| 服务器网络超时 | 本地克隆 → scp传输到服务器 |
| 有代理 | 配置代理后操作 |
mmcv (基础)
├── mmdet
├── mmdet3d → 依赖 mmsegmentation
└── detectron2
向用户提问确认：
安装前检查：