文档首页/ AI开发平台ModelArts/ 最佳实践/ AIGC模型训练推理/ Open-Sora1.2基于DevServer适配PyTorch NPU训练推理指导（6.3.907）
更新时间：2024-08-17 GMT+08:00
查看PDF
分享

Open-Sora1.2基于DevServer适配PyTorch NPU训练推理指导（6.3.907）

本文档主要介绍如何在ModelArts Lite DevServer上，使用PyTorch_npu+华为自研Ascend Snt9B硬件，完成Open-Sora 1.2 训练和推理。

方案概览

本方案目前仅适用于部分企业客户，完成本方案的部署，需要先联系您所在企业的华为方技术支持。

适配的Cann版本是cann_8.0.rc2。

约束限制

  • 本方案目前仅适用于企业客户。
  • 本文档适配昇腾云ModelArts 6.3.907版本，请参考表1获取配套版本的软件包和镜像，请严格遵照版本配套关系使用本文档。
  • 确保容器可以访问公网。

资源规格要求

推荐使用“西南-贵阳一”Region上的DevServer资源和Ascend Snt9B。

软件配套版本

表1 获取软件

分类

名称

获取路径

插件代码包

AscendCloud-6.3.907软件包中的AscendCloud-AIGC-6.3.907-xxx.zip

文件名中的xxx表示具体的时间戳，以包名发布的实际时间为准。

获取路径：Support-E

说明：

如果上述软件获取路径打开后未显示相应的软件信息，说明您没有下载权限，请联系您所在企业的华为方技术支持下载获取。

镜像版本

本教程中用到基础镜像地址和配套版本关系如下表所示，请提前了解。

表2 基础容器镜像地址

配套软件版本

镜像用途

镜像地址

配套

获取方式

6.3.907版本

基础镜像

swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_8.0.rc2-py_3.9-hce_2.0.2312-aarch64-snt9b-20240727152329-0f2c29a

cann_8.0.rc2

pytorch_2.1.0

驱动23.0.6

从SWR拉取

不同软件版本对应的基础镜像地址不同，请严格按照软件版本和镜像配套关系获取基础镜像。

Step1 检查环境

  1. 请参考DevServer资源开通，购买DevServer资源，并确保机器已开通，密码已获取，能通过SSH登录，不同机器之间网络互通。

    购买DevServer资源时如果无可选资源规格，需要联系华为云技术支持申请开通。

    当容器需要提供服务给多个用户，或者多个用户共享使用该容器时，应限制容器访问Openstack的管理地址（169.254.169.254），以防止容器获取宿主机的元数据。具体操作请参见禁止容器获取宿主机元数据。

  2. SSH登录机器后，检查NPU卡状态。运行如下命令，返回NPU设备信息。 
    npu-smi info                    # 在每个实例节点上运行此命令可以看到NPU卡状态
npu-smi info -l | grep Total    # 在每个实例节点上运行此命令可以看到总卡数

    如出现错误，可能是机器上的NPU设备没有正常安装，或者NPU镜像被其他容器挂载。请先正常安装固件和驱动，或释放被挂载的NPU。

  3. 检查是否安装docker。 
    docker -v   #检查docker是否安装

    如尚未安装，运行以下命令安装docker。

    yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64
  4. 配置IP转发，用于容器内的网络访问。执行以下命令查看net.ipv4.ip_forward配置项的值，如果为1，可跳过此步骤。 
    sysctl -p | grep net.ipv4.ip_forward
    如果net.ipv4.ip_forward配置项的值不为1，执行以下命令配置IP转发。 
    sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf
sysctl -p | grep net.ipv4.ip_forward

Step2 下载依赖代码包并上传到宿主机

下载华为侧插件代码包AscendCloud-AIGC-6.3.907-xxx.zip文件，获取路径参见表1。本案例使用的是解压到子目录 multimodal_algorithm/OpenSora1.2/ 目录下的所有文件，将该目录上传到宿主机上。

Step3 构建镜像

基于官方提供的基础镜像构建自定义镜像Open-Sora 1.2:1.0。参考如下命令编写Dockerfile文件。镜像地址{image_url}请参见表2。

FROM {image_url}

COPY --chown=ma-user:ma-group OpenSora1.2/* /home/ma-user/OpenSora1.2/

RUN cd /home/ma-user/OpenSora1.2 && bash prepare.sh

WORKDIR /home/ma-user/OpenSora1.2

构建自定义镜像OpenSora1.2:1.0。

docker build -t OpenSora1.2:1.0 .

Step4 启动镜像

启动容器镜像，推理只需要启动单卡，启动前可以根据实际需要增加修改参数。 
docker run -itd --name ${container_name} -v /sys/fs/cgroup:/sys/fs/cgroup:ro  -v /etc/localtime:/etc/localtime -v /usr/local/Ascend/driver:/usr/local/Ascend/driver -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi --shm-size 300g --device=/dev/davinci_manager --device=/dev/hisi_hdc --device=/dev/devmm_svm --device=/dev/davinci0  --security-opt seccomp=unconfined --network=bridge OpenSora1.2:1.0 bash

参数说明：

  • --name ${container_name}：容器名称，进入容器时会用到，此处可以自己定义一个容器名称。
  • --device=/dev/davinci0：挂载NPU设备，该推理示例中挂载了1张卡davinci0。
    • driver及npu-smi需同时挂载至容器。
    • 不要将多个容器绑到同一个NPU上，会导致后续的容器无法正常使用NPU功能。

Step5 进入容器

通过容器名称进入容器中。默认使用ma-user用户执行后续命令。

docker exec -it ${container_name} bash

Step6 下载权重文件

建议手动下载所需的权重文件，在/home/ma-user/Open-Sora-Plan1.0/目录下进行操作。

  1. 创建文件夹存放不同的权重文件。 
    mkdir weights
  2. 下载 OpenSora-VAE-v1.2权重，将下载好的权重放在 ./weights 目录下。

    OpenSora-VAE-v1.2 官网下载地址：https://huggingface.co/hpcai-tech/OpenSora-VAE-v1.2/tree/main

  3. 下载 OpenSora-STDiT-v3权重，将下载好的权重放在 ./weights 目录下。

    OpenSora-STDiT-v3 官网下载地址：https://huggingface.co/hpcai-tech/OpenSora-STDiT-v3/tree/main

  4. 下载 t5-v1_1-xxl 权重，将下载好的权重放在 ./weights 目录下。

    t5-v1_1-xxl 官网下载地址： https://huggingface.co/DeepFloyd/t5-v1_1-xxl/tree/main

  5. 下载 pixart_sigma_sdxlvae_T5_diffusers的vae权重，将下载好的权重放在 ./weights 目录下。

    pixart_sigma_sdxlvae_T5_diffusers 官网下载地址：https://huggingface.co/PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers/tree/main

    下载下图中vae文件夹的内容。

    图1 下载vae文件夹的内容
  6. 下载vgg权重，将下载好的权重放在 ./weights 目录下。

    vgg16-397923af.pth 官网下载地址： https://download.pytorch.org/models/vgg16-397923af.pth

    vgg.pth 官网下载地址：https://heibox.uni-heidelberg.de/f/607503859c864bc1b30b/?dl=1

    将权重 vgg16-397923af.pth 放在 /home/ma-user/.cache/torch/hub/checkpoints/ 下，这个文件夹需要自己创建。

    cp weights/vgg16-397923af.pth /home/ma-user/.cache/torch/hub/checkpoints/vgg16-397923af.pth

    下载完成的权重文件如下图所示：

    图2 下载完成的权重文件

Step7 下载数据集

下载原始数据集。

mkdir datasets && cd datasets && mkdir webvid
wget https://anon-datasets.s3.amazonaws.com/results_2M_val.csv
python download_datasets.py
cd ..

download_datasets.py的内容：

import os
import pandas as pd

for idx, row in pd.read_csv('results_2M_val.csv').iterrows():
    os.system(f"wget -O './datasets/webvid/{row['videoid']}.mp4' --no-check-certificate {row['contentUrl']}")

预处理数据。

python -m tools.datasets.convert video ./datasets/webvid --output ./datasets/meta.csv
python -m tools.datasets.datautil ./datasets/meta.csv --info --fmin 1
python merge_data.py

merge_data.py的内容。

import pandas as pd

merged_df = pd.merge(pd.read_csv('./datasets/webvid_meta_info_fmin1.csv'), pd.read_csv('./datasets/results_2M_val.csv')[['videoid', 'name']], left_on='id', right_on='videoid', how='left')
merged_df.to_csv('./datasets/merged.csv', index=False)

Step8 VAE训练

vae训练分为3个阶段，后两次训练根据其前一次训练的结果继续训练。

  1. 第一阶段训练 
    torchrun --nnodes=1 --nproc_per_node=8 train_vae.py configs/vae/train/stage1.py --data-path ./datasets/webvid_meta_data.csv

    训练完后的权重文件保存在 ./output/vae_stage1 文件夹下 （例如 ./outputs/vae_stage1/000-OpenSoraVAE_V1_2/epoch0-global_step1000/model）

    具体位置打印在日志中：

    图3 VAE第一阶段训练日志
  2. 第二阶段训练 
    export pretrain_path = "上阶段训练的权重，例如./outputs/vae_stage1/000-OpenSoraVAE_V1_2/epoch0-global_step1000/model"
torchrun --nnodes=1 --nproc_per_node=8 train_vae.py configs/vae/train/stage2.py --data-path ./datasets/webvid_meta_data.csv --ckpt-path $pretrain_path

    训练完后的权重文件保存在 ./output/vae_stage2 文件夹下 （例如 ./outputs/vae_stage2/000-OpenSoraVAE_V1_2/epoch0-global_step1000/model）

  3. 第三阶段训练 
    export pretrain_path = "上阶段训练的权重，例如./outputs/vae_stage2/000-OpenSoraVAE_V1_2/epoch0-global_step1000/model"
torchrun --nnodes=1 --nproc_per_node=8 train_vae.py configs/vae/train/stage3.py --data-path ./datasets/webvid_meta_data.csv --ckpt-path $pretrain_path

    训练完后的权重文件保存在 ./output/vae_stage3 文件夹下 （例如 ./outputs/vae_stage3/000-OpenSoraVAE_V1_2/epoch0-global_step1000/model）

Step9 DIT训练

dit训练分为3个阶段，后两次训练根据其前一次训练的结果继续训练。

  1. 第一阶段训练 
    torchrun --standalone --nproc_per_node 8 train.py configs/opensora-v1-2/train/stage1.py --data-path ./datasets/webvid_meta_data.csv

    训练完后的权重文件保存在 ./output 文件夹下 （例如 ./outputs/000-STDiT3-XL-2/epoch0-global_step200/model）。

    具体位置打印在日志中：

    图4 DIT第一阶段训练日志

    训练完成后在目录底下生成loss.txt文件(例如./outputs/000-STDiT3-XL-2/epoch0-global_step200/model)记录每一步的loss。

  2. 第二阶段训练 
    export pretrain_path = "上阶段训练的权重，例如./outputs/000-STDiT3-XL-2/epoch0-global_step200/model"
torchrun --standalone --nproc_per_node 8 train.py configs/opensora-v1-2/train/stage2.py --data-path ./datasets/webvid_meta_data.csv --ckpt-path $pretrain_path

    训练完后的权重文件保存在 ./output 文件夹下 （例如 ./outputs/001-STDiT3-XL-2/epoch0-global_step200/model），具体位置打印在日志中。

  3. 第三阶段训练 
    torchrun --standalone --nproc_per_node 8 train.py configs/opensora-v1-2/train/stage1.py --data-path ./datasets/webvid_meta_data.csv
export pretrain_path = "上阶段训练的权重，例如 ./outputs/001-STDiT3-XL-2/epoch0-global_step200/model"
torchrun --standalone --nproc_per_node 8 train.py configs/opensora-v1-2/train/stage3.py --data-path ./datasets/webvid_meta_data.csv --ckpt-path $pretrain_path

    训练完后的权重文件保存在 ./output 文件夹下 （例如 ./outputs/002-STDiT3-XL-2/epoch0-global_step200/model），具体位置打印在日志中。

Step10 推理

对与大尺寸、长时间的视频强制需要多卡推理，具体要求见下图，绿色允许只用单卡推理，蓝色至少双卡推理。

图5 推理视频要求

单卡推理

python inference.py configs/opensora-v1-2/inference/sample.py --num-frames 4s --resolution 720p --aspect-ratio 9:16 --prompt "a beautiful waterfall"

多卡推理

torchrun --nproc_per_node 2 scripts/inference.py configs/opensora-v1-2/inference/sample.py --num-frames 16s --resolution 720p --aspect-ratio 9:16 --prompt "a beautiful waterfall"

最终结果保存在samples/samples/sample_0000.mp4。

父主题： AIGC模型训练推理

相关文档