用途：本技能面向在昇腾NPU环境中搭建OpenMMLab计算机视觉开发环境的场景，提供mmcv、mmdet、mmdet3d、detectron2四个库的安装指引，并支持本地与远程混合开发模式。
主要能力：覆盖mmcv-full（含NPU算子）的编译安装、mmdetection安装、mmdetection3d安装（含mmsegmentation依赖）以及从源码安装NPU兼容的detectron2。各模块分别提供说明文件，安装顺序可按用户需求调整。模块之间存在依赖关系：mmcv为基础，mmdet、mmdet3d和detectron2均依赖mmcv，其中mmdet3d还依赖mmsegmentation。
使用方式：运行环境为昇腾NPU容器（Linux），客户端可为Windows、macOS或Linux，网络需能访问GitHub或Gitee。安装前需向用户确认目标服务器地址或SSH连接方式、容器名称或ID、工作目录挂载路径（如/home/zqq）、conda环境名称（如torch2.1.0_py38）、Python与PyTorch版本、是否存在代理以及GitHub连接是否超时；可选信息包括DrivingSDK中patch文件位置和安装顺序。前置三方库依赖需按PyTorch版本选择对应requirements文件：torch 2.1.x使用requirements.txt，torch 2.6.0使用requirements_pytorch2.6.0.txt，torch 2.7.1使用requirements_pytorch2.7.1.txt，torch 2.7.1（Ascend NPU）使用requirements_pytorch2.7.1_a5.txt，文件位置参考DrivingSDK/model_examples/BEVFormer/requirements*.txt，通过pip install -r命令安装。
关键原则：禁止直接pip安装OpenMMLab库，因为DrivingSDK的patch包含NPU适配修改，直接安装会导致patch无法应用，必须采用源码安装并应用patch。正确流程为：先尝试直接git clone仓库，若超时则本地git clone后scp传输到服务器，再应用patch并编译安装。网络策略视情况而定：服务器可直连GitHub时直接clone，超时则本地克隆后传输，有代理则配置代理后操作。安装完成后须验证：python -c "import site; print([p for p in site.getsitepackages() if 'cuda' in p.lower()])"，若输出CUDA相关路径说明安装的是CUDA版本，需要重新安装。安装前还应确认目标环境为NPU而非CUDA、检查torch_npu是否已安装、确认工作目录可写。
适用场景与限制：适用于需要在昇腾NPU容器中部署OpenMMLab系列库的开发者；具体安装命令与patch细节以各模块说明文件及DrivingSDK资料为准，本资料未提供完整安装命令、patch内容及版本兼容性细节。