在提交新问题之前，请确保您已经在社区中搜索过相关问题，并使用了社区中提供的资源/工具后，仍未找到满意的解决方式。

⚠️ 安全信息提醒：请仔细检查提供的文本内容，确保其不包含敏感数据信息，包括但不限于：

• API 令牌或密钥
• 密码或身份验证凭证
• 私有网址或接口地址
• 个人或机密数据
• ...

在分享配置信息或代码示例时，请将敏感信息脱敏处理，或使用 <TOKEN> 等占位符替代原有内容。

环境信息

• 模型：Diffusion-Planner（FP32，GBS=2048，8 卡）
• 平台：Ascend 950DT × 8，CANN 9.1.0，torch_npu 2.7.1.post6，PyTorch 2.7.1+cpu，nuplan-devkit 1.2.2，mx_driving 1.0.0+gitdb3b16a
• 适配内容：model_examples/Diffusion-Planner/（README.md、diffusionPlanner.patch、test/train_8p.sh）

🐛 问题描述

现象
按 README 与 test/train_8p.sh 的基准口径（FP32、GBS=2048、8 卡、30 epoch、train_boston 子集）在 Ascend 950 上实跑 Diffusion-Planner，最终训练 loss 为 0.0619，与 README 给出的竞品 A（A100）0.1631、Atlas 800T A2 0.1619 相差约 2.6 倍，无法对齐。

已核对的配置与数据集（均对齐）

• 精度 FP32、全局 batch size 2048、8 卡、30 epoch，两侧一致
• 数据集均为 train_boston 子集，日志输出 Dataset Prepared: 1000000 train data，与 README 备注一致
• 学习率 5e-4（默认值，patch 未改）

关键线索：950 逐 epoch 训练 loss 轨迹（train_full_8p_base_fp32.log）
epoch1=1.4252, epoch2=0.4064, epoch3=0.2455, epoch4=0.1916, epoch5=0.1628, epoch6=0.1436, ..., epoch30=0.0619

第 5 个 epoch 的 loss（0.1628）已与 README 的 A100（0.1631）/A2（0.1619）几乎重合，说明两侧早期训练动力学一致，差异主要来自后续 25 个 epoch 的继续收敛。

需要确认

1. README 中竞品 A / A2 的 loss（0.1631 / 0.1619）是否为"训练 30 epoch 后的最终 epoch loss"？还是早停/检查点的取值？
2. 能否提供 A100 / A2 的原始训练日志或逐 epoch loss 曲线，用于确认对比口径？
3. 950 上 0.0619 相对 0.16 更低是否正常（因收敛更充分）？如需判定"质量对齐"，是否应补充 A100/A2 同口径实测？

其他说明
适配 patch（diffusionPlanner.patch）将 decoder.py 中 self._guidance_fn = None（关闭 classifier guidance）。经核对，classifier guidance 属采样/闭环阶段的评分梯度引导、不进入扩散去噪训练损失，且原公版 train_predictor.py 也未注册 --guidance_fn（默认 None），故该改动不参与上述训练 loss 差异，仅影响闭环规划质量。

欢迎加入社区，感谢您对社区的贡献 🎉!