代码迁移

把一份基于 CUDA 的 PyTorch 代码迁移到昇腾 NPU，核心就是「引入插件 + 替换设备」，绝大多数情况下改动很小。

1. 两步必做改动

import torch
import torch_npu                      # 1. 引入昇腾适配插件

device = 'npu'                        # 2. 设备由 'cuda' 改为 'npu'
model = model.to(device)
inputs = inputs.to(device)

2. 常见替换对照

场景	CUDA 写法	NPU 写法
设备字符串	'cuda' / 'cuda:0'	'npu' / 'npu:0'
张量搬移	x.cuda()	x.npu()
是否可用	torch.cuda.is_available()	torch.npu.is_available()
设备数量	torch.cuda.device_count()	torch.npu.device_count()
混合精度	torch.cuda.amp	torch.npu.amp

建议

不要把设备名硬编码为字符串散落各处，统一用一个 device 变量，迁移时只改一处。

3. 注意事项

• 务必先 import torch_npu，否则 npu 设备不可用。
• 部分 CUDA 专有 API、第三方 CUDA 扩展算子在 NPU 上可能无对应实现，需替换或改写。
• 分布式训练的通信后端使用 HCCL（而非 NCCL），初始化进程组时指定 backend='hccl'。
• 自定义 CUDA kernel 需要迁移为昇腾算子（进阶内容）。

迁移完成后，参考 训练推理示例 跑通一个最小用例。