/*****************************如有任何疑问和问题请留言*******************************/

0.前提条件

 0.1 登录机器

 机器已开通，密码已获取，能通过ssh登录

 0.2 检查NPU设备

 NPU设备检查：运行npu-smi info命令，返回如下设备npu设备信息。NPU设备型号(Name列)是910B系列

0.3 docker安装

 检查docker是否安装：docker -v，如如尚未安装，运行以下命令进行docker安装

yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64
#配置IP转发，用于容器内的网络访问：
sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf
sysctl -p | grep net.ipv4.ip_forward

0.4 获取镜像

docker pull swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_8.0.rc3-py_3.9-hce_2.0.2406-aarch64-snt9b-20240910112800-2a95df3

版本配套表

0.5 获取代码

下载代码：

https://github.com/FunAudioLLM/CosyVoice.git

 0.6 使用镜像

docker run -itd --shm-size="32g" --cap-add=SYS_PTRACE -e ASCEND_VISIBLE_DEVICES=0-1 -p 8192:8192 -u root -v ${dir}:${container_dir} --name ${container_name} ${image_id} /bin/bash

# ASCEND_VISIBLE_DEVICES指定容器要用的卡，0-1代表0 1这2块卡，-用于指定范围

# -p 8192:8192代表需要在宿主机和容器中绑定的端口。示例中，http server使用了8192端口

# -v ${dir}:${container_dir}代表需要在容器中挂载宿主机的目录。宿主机和容器使用不同大的文件系统，dir为宿主机中代码和数据集文件所在目录，目录container_dir为要挂载到的容器中的目录。为方便两个地址可以相同。

# --name ${container_name}容器名称，进入容器时会用到

# -{image_id} ,为docker镜像的id，在宿主机上可通过docker images查询得到

 进入容器：通过容器名称进入

docker exec -it -u root ${container_name} bash

1.推理验证 

以SenseVoiceSmall为例

1.1  安装训练依赖的三方库

前提可访问公网

进入代码中requirements.txt所在目录,修改requirements.txt，用如下内容替换全部：

torch
modelscope
huggingface
huggingface_hub
funasr>=1.1.3
numpy<=1.26.4
gradio

执行pip install -r requirements.txt

1.2 编译安装 torchaudio

下载torchaudio 

git clone https://github.com/pytorch/audio
cd audio
git checkout v2.1.0
执行 python setup.py bdist_wheel， 编译完成后在dist目录下会生成torchaudio-2.1.0* linux_aarch64.whl
执行 pip install torchaudio-2.1.0* linux_aarch64.whl 完成torchaudio 安装

1.3 推理验证

1)下载模型到本地

     下载地址： https://www.modelscope.cn/models/iic/SenseVoiceSmall/files

2)修改demo1.py， 在from funasr import AutoModel前面 增加两行

import torch_npu
from torch_npu.contrib import transfer_to_npu

修改model_dir的值为模型本地目录，建议最好是绝对路径

然后执行 python demo1.py

demo2.py 同理

1.4 训练验证

            1）使用 find / -name train_ds.py 查看train_ds.py所在目录，一般在

               /home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.9/site-packages/funasr/bin/train_ds.py

            2）修改上面查到的train_ds.py，在import torch 后面增加

import torch_npu
from torch_npu.contrib import transfer_to_npu

            3）修改finetune.sh 中 train_tool的路径为上面train_ds.py的路径，即：

                 /home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.9/site-packages/funasr/bin/train_ds.py

            4）修改finetune.sh 中 model_name_or_model_dir的路径为已下载模型的绝对路径

            5）代码中提供的 train_example.jsonl 和 val_example.jsonl无法直接使用，音频文件无法获取，需要自己重新制作

            6）执行 bash finetune.sh 启动训练