external-gitcode-ascend-mmcv

name	external-gitcode-ascend-mmcv
description	在昇腾NPU容器中编译安装mmcv-full，支持NPU算子。适用于需要mmcv作为依赖的其他OpenMMLab库安装前的前置步骤。
type	capability
original-name	ascend-mmcv-install
synced-from	https://gitcode.com/Ascend/agent-skills
synced-date	2026-05-26
synced-commit	1f7666e7768a0ceb21bb1d40ce4b5179fcb6f1d6
license	UNKNOWN

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：

1. conda环境名称？
2. 服务器网络能否访问GitHub？
3. patch文件具体路径？