[training]Ascend Skill Contest 参赛提交训练题目2

[Michael-Salon]

题目2: 训练框架 Profiling 采集

Skill名称

verl-npu-profiler

训练框架

VeRL

Prompt

我需要使用VeRL框架进行训练性能分析，请帮我配置NPU profiling采集，需要采集CPU和内存数据，使用level1级别，采集第10到20步的数据。

交互过程

Agent 响应：

根据您的需求，我为您配置 VeRL 框架的 NPU Profiling 采集方案：

1. 配置 profiling 参数：

config = {
    "enable": True,
    "tool": "npu",
    "ranks": [0],
    "save_path": "./profiler_data",
    "tool_config": {
        "npu": {
            "level": "level1",
            "contents": ["npu", "cpu", "memory"],
            "start_step": 10,
            "end_step": 20,
        }
    }
}

2. 启动训练脚本：

python train.py \
    --profiler.enable True \
    --profiler.tool npu \
    --profiler.tool_config.npu.level level1 \
    --profiler.tool_config.npu.contents "[npu, cpu, memory]" \
    --profiler.tool_config.npu.start_step 10 \
    --profiler.tool_config.npu.end_step 20 \
    --profiler.save_path ./profiler_data

3. 查看结果：

# 使用 Ascend Insight 查看
ascend-insight

# 或使用 TensorBoard
tensorboard --logdir=./profiler_data

测试结果（截图）

功能覆盖：

功能	支持情况
CPU采集	✅ contents: ["npu", "cpu"]
内存采集	✅ contents: ["npu", "memory"]
不同level	✅ level0/level1/level2
step范围采集	✅ start_step / end_step
多卡采集	✅ ranks: [0, 1, ...]

Skill 结构：
skills/verl-npu-profiler/
├── SKILL.md (442 行)
├── reference/
│ ├── framework_adaptation_guide.md (320 行)
│ └── npu_profiler_config.py (133 行)
└── scripts/
├── framework_adaptation_examples.py (409 行)
└── universal_npu_profiler.py (306 行)