用途：面向昇腾 NPU 环境的模型迁移与训练套件，提供从 SSH 连接服务器到完成模型训练的端到端工作流。适用于将开源模型迁移到昇腾 NPU、搭建训练环境、在 NPU 上训练模型（如 BEVFormer）以及昇腾平台模型部署等场景。
主要能力与结构：套件包含 ssh-connection（SSH 连接）、model-migration（模型迁移）、model-training（模型训练）三个子技能，并依赖外部 ascend-mmlab-install-suite 完成 MMLab 环境搭建。工作流为：连接昇腾服务器 → 安装 mmcv、mmdet、mmdet3d 等依赖 → 克隆仓库并应用补丁 → 执行训练脚本。
使用方式：先准备 DrivingSDK，仓库地址为 https://gitcode.com/Ascend/DrivingSDK，执行 cd <working_directory> 后 git clone https://gitcode.com/Ascend/DrivingSDK。随后收集服务器 IP、SSH 用户名、Docker 容器名、Conda 环境名、工作目录等信息并建立连接；再安装 mmcv-full（含 NPU 算子）、mmdetection、mmsegmentation、mmdetection3d、detectron2；接着克隆开源仓库、应用 NPU 适配补丁、配置数据集与权重链接；最后选择性能或精度模式启动训练并监控进度。
限制与说明：目前明确支持的模型为 BEVFormer（DrivingSDK 路径 model_examples/BEVFormer），更多模型标注为即将支持。安装后可用 python -c "import site; print([p for p in site.getsitepackages() if 'cuda' in p.lower()])" 检查 NPU 兼容性，应返回空列表。克隆 GitHub 仓库应使用官方链接而非镜像，网络超时可配置代理，如 export http_proxy=http://proxy:port。常见环境变量包括 ASCEND_SLOG_PRINT_TO_STDOUT、ASCEND_GLOBAL_LOG_LEVEL、TASK_QUEUE_ENABLE、COMBINED_ENABLE、HCCL_WHITELIST_DISABLE、HCCL_CONNECT_TIMEOUT 等。具体收费、价格与平台支持范围暂未提供。