开发内容与工作范围
以下工作可根据现有系统和项目条件组合实施，具体模块与交付责任在项目范围中确认。
平台与资源评估
核对目标芯片、板卡、SDK、接口、供货和验收条件，确认可实施范围与关键风险。
硬件方案与载板开发
按照参考资料和目标外设开展电源、存储、网络、显示、摄像头及扩展接口设计。
BSP 与嵌入式系统
围绕可取得的 SDK 开展启动、内核、设备树、文件系统、系统服务、升级和日志开发。
驱动与外设集成
结合原理图、接口时序和器件资料完成驱动、配置及业务接口联调。
应用与整机验证
集成设备管理、数据处理和业务程序，并在约定样机上验证功能、资源与持续运行。
版本交付与导入支持
交付约定范围的设计、源码或补丁、固件、构建烧录说明和测试记录。
昇腾910存量训练平台服务包括什么？
该服务面向采用昇腾910处理器相关Atlas训练服务器或训练卡的既有环境，覆盖硬件与软件基线识别、CANN 910算子环境、MindSpore或PyTorch插件适配、单卡与多卡训练、HCCL通信排障、性能分析、推理复用及迁移评估。具体能力取决于服务器型号、NPU拓扑、CPU架构、操作系统、驱动固件和框架版本。
昇腾910与Atlas A2/A3训练系列具有不同的产品和软件配套关系。存量项目将优先保护现有可运行环境、训练代码、权重和配置，再根据维护周期、升级条件和目标平台确定后续路线。
适用项目
以下场景可进入评估；具体工作包以目标硬件、资料和验收条件为准。
- 现有Atlas训练服务器环境无法复现、升级失败或依赖冲突
- PyTorch或MindSpore训练任务需要适配设备、混合精度或算子
- 单卡可运行但多卡任务存在HCCL、拓扑、超时或性能问题
- 训练结果、损失曲线或检查点在迁移后出现差异
- 需要把训练模型用于目标设备推理并建立转换、验证流程
- 计划迁移到Atlas A2系列，需要评估代码、算子、并行和运维差异
昇腾910存量训练平台服务内容
每项服务在启动前确认输入资料、版本基线、交付成果、验收方法和范围边界。
01 · 训练环境梳理与恢复
记录服务器、NPU拓扑、OS、驱动固件、CANN、算子包、框架、Python和依赖，建立可复现环境。
02 · 训练代码适配
处理设备迁移、数据加载、混合精度、优化器、算子、检查点和随机性控制问题。
03 · 单卡与多卡验证
从最小批次开始验证单卡，再按约定拓扑检查HCCL、进程启动、通信和容错。
04 · 精度与收敛排查
对比输入、权重、算子、精度模式、损失、梯度和检查点，记录差异来源。
05 · 性能分析
使用可用工具定位数据、CPU、NPU、通信、算子和I/O瓶颈，形成前后对比证据。
06 · 升级与A2迁移评估
对比CANN算子包、框架API、并行策略、模型资产和集群运维，验证关键阻塞项。
项目评估需要的输入
建议在项目启动前准备以下资料；如部分资料暂缺，可先完成环境梳理和关键功能验证。
- Atlas服务器或训练卡具体型号、NPU拓扑和CPU架构
- 操作系统、驱动、固件、CANN 910算子包和框架版本
- 训练代码、依赖锁定、启动脚本和配置
- 数据集结构、样本范围、数据授权和基准结果
- 单卡或多卡日志、性能采样和故障复现
- 目标训练规模、验收指标、运行窗口和迁移计划
实施路径
保护基线
备份环境、代码、配置、权重和正常运行证据。
最小训练闭环
在单卡小数据集验证前向、反向、保存和恢复。
扩展与优化
逐步扩展多卡和数据规模，定位通信、算子与资源瓶颈。
回归与交付
按固定脚本复测精度、稳定性、性能和恢复流程。
交付物与验收边界
在窄屏设备上可左右滑动，使用键盘时可按左右方向键查看完整表格。
| 工作包 | 主要交付物 | 验收依据 | 范围边界 |
|---|---|---|---|
| 环境工程 | 安装配置、依赖锁定、容器或脚本、版本清单 | 干净基线能启动约定训练任务 | 硬件故障和历史软件包获取条件另行确认 |
| 训练适配 | 代码补丁、配置、启动脚本和检查点说明 | 约定数据、轮次和精度口径完成回归 | 训练结论适用于已授权数据和约定训练范围 |
| 多卡与性能 | 拓扑记录、通信配置、Profiling与对比报告 | 约定卡数和脚本下任务稳定完成 | 测试结论适用于约定拓扑和集群规模 |
兼容性、许可与责任边界
需另行约定的内容
- 多机规模评估所需的服务器型号与拓扑信息
- 数据集处理所需的合法授权及来源信息
- 完整训练收敛评估所需的数据规模与运行周期
- 合同之外的机房、网络、存储、调度平台及硬件维保总包
常见问题
昇腾910和910B环境相同吗？
两类平台使用不同的算子包标识，还需结合具体产品系列、硬件配置和软件版本分别确认。
可以迁移PyTorch训练吗？
可以评估torch_npu路线，并检查框架版本、API、算子、数据、精度模式和训练脚本。
多卡问题通常与哪些因素有关？
除HCCL外，还可能与拓扑、网络、进程启动、数据加载、超时、驱动或资源配置有关。
怎样验证训练精度？
固定代码、权重、种子、数据子集和精度模式，比较损失、关键指标、梯度或检查点，并记录允许误差。
可以开展模型推理部署吗？
可以将训练产物按目标推理设备和框架进行评估，并单独完成模型转换、应用和验收。
升级后的性能如何确认？
升级前后使用相同脚本、数据、硬件和计时口径进行测试，并形成对比报告。
如何处理正在运行的训练环境？
先保留镜像、软件包、配置、权重和日志，再在隔离节点验证；生产切换需单独确认审批和回滚方案。
需要提供全量数据吗？
初期可使用具有代表性的授权样本开展适配；最终收敛验收所需数据范围由项目合同及技术附件确定。
官方资料与版本依据
下列链接用于确认产品形态和软件配套；正式项目仍以双方冻结版本的官方资料为准。
服务与验收说明
本页说明可讨论的工程服务范围，不构成对固定性能、周期、价格、认证、审批或业务结果的承诺；最终范围以目标环境、输入资料及双方确认的技术和商务文件为准。
在线咨询
电话咨询
微信咨询
回到顶部