高性能计算集群 NVIDIA GPU/DCU 算子启用实践

一、NVIDIA GPU 平台

能力	环境变量	默认值	说明	适用方向
点云体素化和动态散射	HA_USE_VOXEL	0	启用 NVIDIA 点云体素化相关优化。	3D 检测、点云处理。
多相机可变形特征聚合	HA_USE_DEFORM_AGG	0	启用 NVIDIA 多相机特征聚合优化。	Sparse4D 等多相机感知任务。
光栅化	HA_USE_RASTERIZER	0	启用 NVIDIA 光栅化优化。	需要 rasterizer forward/backward 的训练任务。
SyncBatchNorm	HA_USE_SYNCBN	0	移除多余的 CPU 同步操作。	分布式训练。

NVIDIA GPU 场景下，可启用以下算子加速开关：

export HA_USE_VOXEL=1export HA_USE_DEFORM_AGG=1export HA_USE_RASTERIZER=1export HA_USE_SYNCBN=1python train.py

DCU 场景下，可启用以下算子加速开关：

export HA_USE_DEFORM_ATTN=1export HA_USE_DROPOUT=1export HA_USE_FOCAL_LOSS=1export HA_USE_RMSNORM=1export HA_USE_ROPE=1python train.py

导入后，HyperAcc 会读取当前进程的 HA_* 环境变量，并按配置启用对应能力。

注意：文中涉及的第三方产品、软件、框架、模型及商标名称归其各自权利人所有，仅用于说明 HyperAcc 的适配或使用场景，不构成任何认可、合作、担保或背书。

·不同硬件平台支持的算子能力不同，实际启用取决于模型结构、PyTorch 版本及运行环境，不符合当前硬件平台的算子开关会被自动跳过。建议先在测试环境验证后再用于生产训练。

·启用算子替换前，建议先确认原始训练任务正常运行，以便在出现异常时快速定位问题并明确优化引入的影响。

·如任务依赖的第三方库版本差异较大，建议先在验证环境测试。

你可设置以下变量启用 HyperAcc 训练加速套件的算子加速能力。

未设置环境变量时，import hyperacc.auto 不会执行任何操作。你需通过 HA_USE_* 环境变量显式启用能力。

环境变量优先级从高到低依次为：

·HA_USE_<FEATURE>：单项功能开关，优先级最高。显式设置为 0 时，可覆盖上层总开关的启用状态。

·HA_USE_ALL_HOOKS：Hook 类功能总开关。

·HA_USE_ALL：全局总开关。

·默认关闭：未设置任何环境变量时，所有能力默认关闭。