npu推理环境配置：https://ascend.github.io/docs/sources/ascend/quick_install.html
llama-factory适配的NPU说明：https://llamafactory.readthedocs.io/zh-cn/latest/advanced/npu_inference.html
一些CANN命令：
与cuda的对应关系

# 查看NPU信息
npu-smi info = nvidia-smi
# 查看NPU当前情况（更新时间间隔为1秒，原地刷新）：
watch -n 1 npu-smi info = watch -n 1 nvidia-smi
# 查看NPU当前情况（更新时间间隔为1秒，会保留之前的历史）
npu-smi info -l 1 = nvidia-smi -l 1

一、环境配置

• 两张300i duo卡（官方显存每张96G），每张卡由两个芯片组成，每个芯片显存大约44G;
• 驱动版本信息：25.0.rc1.1
• 固件版本信息：
  Version=7.7.0.1.231
  firmware_version=1.0
  package_version=25.0.rc1.1
  compatible_version_drv=[23.0.rc2,23.0.rc2.],[23.0.rc3,23.0.rc3.],[23.0.0,23.0.0.],[24.0,24.0.],[24.1,24.1.],[25.0,25.0.]
• CANN版本：8.0.RC1；
• 算子包版本：8.0.RC1。

1、查看HwHiAiUser用户是否存在：

id HwHiAiUser

不存在则：

sudo groupadd HwHiAiUser
sudo useradd -g HwHiAiUser -d /home/HwHiAiUser -m HwHiAiUser -s /bin/bash

然后将当前用户添加到HwHiAiUser group中（存在则直接运行该命令）：

sudo usermod -aG HwHiAiUser $USER

之后需要安装驱动npu-driver、固件npu-firmware。
安装完成驱动后，使用npu-smi info命令即可验证是否安装成功。
2、安装CANN+算子包：
（1）安装python环境依赖：
安装Miniforge：
下载.sh文件：https://mirror.nju.edu.cn/github-release/conda-forge/miniforge/LatestRelease/
然后执行：

bash Miniforge3-25.3.0-3-Linux-aarch64.sh # 根据自己下载的版本替换文件名

创建conda环境后，在环境下pip安装环境依赖即可；
（2）安装CANN

# 下载需要的版本
wget "https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/CANN 8.0.RC1/Ascend-cann-toolkit_8.0.RC1_linux-aarch64.run"
# 执行bash命令安装
bash Ascend-cann-toolkit_8.0.RC1_linux-aarch64.run --full

配置环境变量：

source ~/Ascend/ascend-toolkit/set_env.sh #~/根据自己的真实路径进行替换，后面的路径基本都是固定的

【
上述方式需要每次打开新的终端都执行一次，可以直接修改用户配置文件，当前用户永久生效。

# 打开当前用户的配置文件
vi ~/.bashrc
# 在文件末尾加入：
source ~/Ascend/ascend-toolkit/set_env.sh
# 保存文件后，使配置立即生效：
source ~/.bashrc

】
（3）安装算子包

# 下载与CANN对应的算子包版本
wget "https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/CANN 8.0.RC1/Ascend-cann-kernels-310p_8.0.RC1_linux.run"
# 执行bash命令安装
bash Ascend-cann-kernels-310p_8.0.RC1_linux.run --install

二、使用transformers进行模型推理

1、具体方式

与使用GPU相比，需要改以下几点：

• 除了需要安装并导入torch模块，还需要torch_npu，import torch, torch_npu；
• 指定设别device为npu，device = torch.device("npu" if torch.npu.is_available() else "cpu")；
• 模型成功后，显式加载到NPU上，model.to(device)
• 指定多张卡，使用环境变量：ASCEND_RT_VISIBLE_DEVICES=0,1
• 指定了多张卡没有起作用，且最终模型加载到了NPU上，计算在CPU上进行的。

2、遇见的一些报错：

报错一：
ImportError: libhccl.so: cannot open shared object file: No such file or directory. Please check that the cann package is installed. Please run 'source set_env.sh' in the CANN installation path.
原因：CANN环境变量未正确配置或 CANN 未完全安装。
解决：确保CANN安装成功后，配置环境变量：

source ~/Ascend/ascend-toolkit/set_env.sh # CANN的安装路径

报错二：
RuntimeError: Expected one of cpu, cuda, ipu, xpu, mkldnn, opengl, opencl, ideep, hip, ve, fpga, maia, xla, lazy, vulkan, mps, meta, hpu, mtia, privateuseone device type at start of device string: npu
原因：
使用transformers加载模型时，指定的device=‘npu’，但是没有安装torch_npu相关模块。
解决：
注意torch_npu相关版本。

安装torch_npu
安装torchvision
需要注意torchvision与torch的版本对应关系(https://kkgithub.com/pytorch/vision)，如：
pip install torchvision==0.16.0
pip install torch==2.1.0
pip install torch_npu==2.1.0 

报错三：
ModuleNotFoundError: Could not import module 'PreTrainedModel'. Are this object's requirements defined correctly?
原因：transformer版本不匹配导致
解决：
注意transfromers相关版本。

降低transformers版本，4.53.2—>4.51.0

报错四：
RuntimeError: Expected all tensors to be on the same device. Expected NPU tensor, please check whether the input tensor device is correct.
报错前的提醒：
/home/wzb/miniforge3/envs/llama_factory_cqf/lib/python3.10/site-packages/transformers/generation/