用途：在昇腾 NPU 环境中启动并监控模型训练，例如 BEVFormer 等模型。适用于用户想开始模型训练、运行性能训练、运行精度训练或询问训练选项时。
主要能力：提供四种训练选项——性能训练（FP32，8 卡）、性能训练（FP16，8 卡，混合精度）、精度训练（24 个 epoch）以及自定义训练配置；并可在训练启动后监控进度与关键指标。
使用方式：先收集训练模式偏好、GPU/NPU 数量、batch size 及特定训练参数。然后设置环境变量：export ASCEND_SLOG_PRINT_TO_STDOUT=0；export ASCEND_GLOBAL_LOG_LEVEL=3；export TASK_QUEUE_ENABLE=2；export COMBINED_ENABLE=1；export HCCL_WHITELIST_DISABLE=1；export HCCL_IF_IP=$(hostname -I | awk '{print $1}')；export HCCL_CONNECT_TIMEOUT=1200。之后执行对应脚本，例如：cd <working_directory>；bash test/train_performance_8p_base_fp32.sh --batch-size=1 --num-npu=8；FP16 版本为 bash test/train_performance_8p_base_fp16.sh --batch-size=1 --num-npu=8；精度训练为 bash test/train_full_8p.sh --batch-size=1；自定义训练为 cd <model_directory>；bash ./tools/dist_train.sh ./projects/configs/bevformer/bevformer_base.py <num_gpus>。
监控：用 ps aux | grep torchrun 检查进程，用 tail -20 <working_directory>/test/output/train_performance_8p_base_fp32.log 查看日志，或用 tail -f 实时跟踪。关键指标包括 loss_cls、loss_bbox、总 loss、lr、time、memory、ETA，以及每 epoch 的验证指标 NDS、mAP、mATE、mASE、mAOE。训练完成标志为所有 epoch 结束、打印最终验证指标并保存 checkpoint，可用 grep "Saving checkpoint" <log_file> | tail -1 检查。
日志位置：FP32 性能训练 test/output/train_performance_8p_base_fp32.log；FP16 性能训练 test/output/train_performance_8p_base_fp16.log；精度训练 test/output/train_full_8p.log。
限制与排障：训练无法启动时检查 npu-smi info、环境变量、conda 环境及数据集与权重链接；显存不足时减小 batch size、减少卡数或启用梯度检查点；训练卡住时检查 NPU 状态、残留进程与日志最后活动；端口占用可用 pkill -f torchrun 和 pkill -f dist_train 清理。参考资料：训练脚本位于 <model_directory>/test/，模型配置位于 <model_directory>/projects/configs/，DrivingSDK README 位于 DrivingSDK/model_examples/<model>/README.md。具体模型支持范围、平台与收费信息暂未提供。