OpenSoraPlan1.5使用指南

• OpenSoraPlan1.5使用指南
  • 环境安装
    • 仓库拉取
    • 环境搭建
    • Decord搭建
  • 权重下载及转换
  • 预训练
    • 数据预处理
    • 训练
      • 准备工作
      • 参数配置
      • 启动训练
  • 推理
    • 准备工作
    • 参数配置
    • 启动推理
  • 环境变量声明

环境安装

【模型开发时推荐使用配套的环境版本】

请参考安装指南

仓库拉取

git clone --branch 26.0.0 https://gitcode.com/Ascend/MindSpeed-MM.git 
git clone https://github.com/NVIDIA/Megatron-LM.git
cd Megatron-LM
git checkout core_v0.12.1
cp -r megatron ../MindSpeed-MM/
cd ../MindSpeed-MM

环境搭建

# python3.10
conda create -n test python=3.10
conda activate test

# 安装 torch 和 torch_npu，注意要选择对应python版本、x86或arm的torch、torch_npu及apex包
pip install torch-2.7.1-cp310-cp310-manylinux_2_28_aarch64.whl
pip install torch_npu-2.7.1*-cp310-cp310-manylinux_2_28_aarch64.whl
# apex for Ascend 参考 https://gitcode.com/Ascend/apex
# 建议从原仓编译安装 

# 将shell脚本中的环境变量路径修改为真实路径，下面为参考路径
source /usr/local/Ascend/cann/set_env.sh 

# 安装加速库
git clone https://gitcode.com/Ascend/MindSpeed.git
cd MindSpeed
# checkout commit from MindSpeed core_r0.12.1
git checkout 5176c6f5f133111e55a404d82bd2dc14a809a6ab
pip install -r requirements.txt 
pip install -e .
cd ..

# 安装其余依赖库
pip install -e .

Decord搭建

【X86版安装】

pip install decord==0.6.0

【ARM版安装】

apt方式安装请参考链接

yum方式安装请参考脚本

权重下载及转换

权重下载链接：

VAE和DiT： opensoraplan1.5

Text Encoder：t5 和 CLIP

需要对下载后的OpenSoraPlan1.5模型 vae部分进行权重转换，运行权重转换脚本

mm-convert OpenSoraPlanConverter --version v1.5 vae_convert \
 --cfg.source_path <"./raw_ckpt/open-sora-plan/vae/checkpoint.ckpt"> \
 --cfg.target_path <"./ckpt/vae/vae.pt">

需要对下载后的OpenSoraPlan1.5模型 DiT部分进行权重转换，运行权重转换脚本

mm-convert OpenSoraPlanConverter --version v1.5 source_to_mm \
 --cfg.source_path <"./raw_ckpt/open-sora-plan/model_ema.pt/"> \
 --cfg.target_path <"./ckpt/open-sora-plan/"> \
 --cfg.target_parallel_config.tp_size <tp_size>

权重转换脚本的参数说明如下：

参数	含义	默认值
--version	opensoraplan系列不同版本	需要设置为v1.5
--cfg.source_path	原始权重路径	/
--cfg.target_path	转换或切分后权重保存路径	/
--cfg.target_parallel_config.tp_size	dit部分切分时的tp size	1

预训练

数据预处理

将数据处理成如下格式

</dataset>
  ├──data.json
  ├──videos
  │  ├──video0001.mp4
  │  ├──video0002.mp4

其中，videos/下存放视频，data.json中包含该数据集中所有的视频-文本对信息，具体示例如下：

[
    {
        "path": "videos/video0001.mp4",
        "cap": "Video discrimination1.",
        "num_frames": 57,
        "fps": 12,
        "resolution": {
            "height": 288,
            "width": 512
        }
    },
    {
        "path": "videos/video0002.mp4",
        "cap": "Video discrimination2.",
        "num_frames": 57,
        "fps": 12,
        "resolution": {
            "height": 288,
            "width": 512
        }
    },
    ......
]

修改 examples/opensoraplan1.5/data.txt文件，其中每一行表示一个数据集，第一个参数表示数据文件夹的路径，第二个参数表示 data.json文件的路径，用 ,分隔

训练

准备工作

在开始之前，请确认环境准备、模型权重下载已完成

参数配置

检查模型权重路径、并行参数配置等是否完成

配置文件	修改字段	修改说明
examples/opensoraplan1.5/data.txt	文件内容	训练数据集路径
examples/opensoraplan1.5/pretrain.sh	NPUS_PER_NODE	每个节点的卡数
examples/opensoraplan1.5/pretrain.sh	NNODES	节点数量
examples/opensoraplan1.5/pretrain.sh	LOAD_PATH	权重转换后的预训练权重路径
examples/opensoraplan1.5/pretrain.sh	SAVE_PATH	训练过程中保存的权重路径
examples/opensoraplan1.5/pretrain.sh	TP	训练时的TP size（建议根据训练时设定的分辨率调整）
examples/opensoraplan1.5/pretrain_model.json	from_pretrained	vae和text encoder的权重路径

【并行化配置参数说明】

当调整模型参数或者视频序列长度时，需要根据实际情况启用以下并行策略，并通过调试确定最优并行策略。

• TP: 张量模型并行
  • 使用场景：模型参数规模较大时，单卡上无法承载完整的模型，通过开启TP可以降低静态内存和运行时内存。
  • 使能方式：在启动脚本 examples/opensoraplan1.5/pretrain.sh中设置 TP > 1，如：TP=8
  • 限制条件：head 数量需要能够被TP*CP整除（在 examples/opensoraplan1.5/pretrain_model.json中配置，默认为24）
• TP-SP
  • 使用场景：在张量模型并行的基础上，进一步对 LayerNorm 和 Dropout 模块的序列维度进行切分，以降低动态内存。
  • 使能方式：在 GPT_ARGS 设置 --sequence-parallel
  • 使用建议：建议在开启TP时同步开启该设置，该配置默认开启

启动训练

bash examples/opensoraplan1.5/pretrain.sh

推理

准备工作

在开始之前，请确认环境准备、模型权重下载已完成

参数配置

配置文件	修改字段	修改说明
examples/opensoraplan1.5/inference_model.json	from_pretrained	vae和text encoder的权重路径
examples/opensoraplan1.5/inference_model.json	save_path	推理结果的保存路径
examples/opensoraplan1.5/inference_model.json	input_size	生成视频的分辨率，格式为 [t, h, w]
examples/opensoraplan1.5/samples_prompts.txt	文件内容	可自定义自己的prompt，一行为一个prompt
examples/opensoraplan1.5/inference.sh	LOAD_PATH	转换之后的dit部分权重路径

启动推理

bash examples/opensoraplan1.5/inference.sh

如果使用训练后的权重进行推理，且在训练时对dit部分进行了TP切分，推理时可以运行下面的脚本将该部分权重进行合并

mm-convert OpenSoraPlanConverter --version v1.5 resplit \
 --cfg.source_path <"./ckpt/open-sora-plan"> \
 --cfg.target_path <"./ckpt/open-sora-plan_merge/">

环境变量声明

环境变量	描述	取值说明
ASCEND_SLOG_PRINT_TO_STDOUT	是否开启日志打印	0: 关闭日志打屏 1: 开启日志打屏
ASCEND_GLOBAL_LOG_LEVEL	设置应用类日志的日志级别及各模块日志级别，仅支持调试日志	0: 对应DEBUG级别 1: 对应INFO级别 2: 对应WARNING级别 3: 对应ERROR级别 4: 对应NULL级别，不输出日志
TASK_QUEUE_ENABLE	用于控制开启task_queue算子下发队列优化的等级	0: 关闭 1: 开启Level 1优化 2: 开启Level 2优化
COMBINED_ENABLE	设置combined标志。设置为0表示关闭此功能；设置为1表示开启，用于优化非连续两个算子组合类场景	0: 关闭 1: 开启
CPU_AFFINITY_CONF	控制CPU端算子任务的处理器亲和性，即设定任务绑核	设置0或未设置: 表示不启用绑核功能 1: 表示开启粗粒度绑核 2: 表示开启细粒度绑核
HCCL_CONNECT_TIMEOUT	用于限制不同设备之间socket建链过程的超时等待时间	需要配置为整数，取值范围[120,7200]，默认值为120，单位s
PYTORCH_NPU_ALLOC_CONF	控制缓存分配器行为	expandable_segments:<value>: 使能内存池扩展段功能，即虚拟内存特征
HCCL_EXEC_TIMEOUT	控制设备间执行时同步等待的时间，在该配置时间内各设备进程等待其他设备执行通信同步	需要配置为整数，取值范围[68,17340]，默认值为1800，单位s
ACLNN_CACHE_LIMIT	配置单算子执行API在Host侧缓存的算子信息条目个数	需要配置为整数，取值范围[1, 10,000,000]，默认值为10000
TOKENIZERS_PARALLELISM	用于控制Hugging Face的transformers库中的分词器（tokenizer）在多线程环境下的行为	False: 禁用并行分词 True: 开启并行分词
MULTI_STREAM_MEMORY_REUSE	配置多流内存复用是否开启	0: 关闭多流内存复用 1: 开启多流内存复用
NPU_ASD_ENABLE	控制是否开启Ascend Extension for PyTorch的特征值检测功能	设置0或未设置: 关闭特征值检测 1: 表示开启特征值检测，只打印异常日志，不告警 2:开启特征值检测，并告警 3:开启特征值检测，并告警，同时会在device侧info级别日志中记录过程数据
ASCEND_LAUNCH_BLOCKING	控制算子执行时是否启动同步模式	0: 采用异步方式执行 1: 强制算子采用同步模式运行
NPUS_PER_NODE	配置一个计算节点上使用的NPU数量	整数值（如 1, 8 等）