git clone https://github.com/arneschneuing/DiffSBDD.git
cd DiffSBDD

2. 创建 Conda 环境

conda create -n diffSBDD-kernerlcat python=3.10 -y
conda activate diffSBDD-kernerlcat

3. 配置 CANN 环境和华为镜像源

source /home/Ascend/ascend-toolkit/set_env.sh
export PIP_INDEX_URL=https://repo.huaweicloud.com/repository/pypi/simple/

4. 安装 PyTorch + torch_npu

pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1
pip install torch_npu==2.5.1
pip install numpy==1.26.4
pip install pyyaml decorator attrs psutil absl-py cloudpickle ml-dtypes scipy tornado

关键：numpy 必须为 1.26.4，numpy 2.x 与 CANN TBE 编译器不兼容。

5. 安装项目依赖

pip install pytorch-lightning==1.8.4 wandb biopython==1.79 imageio==2.21.2 \
    pandas==2.2.2 seaborn==0.13.2 torchmetrics==1.4.2 tqdm==4.66.5
conda install -c conda-forge rdkit openbabel -y
# conda 安装后可能覆盖 numpy，需重新固定
pip install numpy==1.26.4 --force-reinstall
# 检查并移除 conda 残留的 numpy-base 2.x
conda remove numpy-base --force -y 2>/dev/null
pip install numpy==1.26.4 --force-reinstall

6. 源码编译 torch_scatter

强制要求：必须从源码编译，禁止使用 PyG 预编译 wheel。

source /home/Ascend/ascend-toolkit/set_env.sh
export FORCE_CUDA=0
export TORCH_CUDA_ARCH_LIST=''
git clone https://github.com/rusty1s/pytorch_scatter.git
cd pytorch_scatter
python setup.py bdist_wheel
pip install dist/*.whl
cd ..

7. 代码适配

7.1 注入 transfer_to_npu（自动迁移）

在以下 6 个入口文件顶部添加：

import torch_npu
from torch_npu.contrib import transfer_to_npu

需要修改的文件：

generate_ligands.py
test.py
inpaint.py
optimize.py
train.py
lightning_modules.py

transfer_to_npu 会自动将所有 torch.cuda.* 调用重定向到 NPU，包括 device = 'cuda' if torch.cuda.is_available() else 'cpu' 等模式。

7.2 补充缺失的 `init.py`

touch analysis/__init__.py
touch analysis/SA_Score/__init__.py

8. 验证

8.1 下载预训练模型

mkdir -p checkpoints
wget -P checkpoints/ https://zenodo.org/record/8183747/files/crossdocked_fullatom_cond.ckpt

8.2 De novo 推理验证

source /home/Ascend/ascend-toolkit/set_env.sh
export ASCEND_RT_VISIBLE_DEVICES=0
python generate_ligands.py checkpoints/crossdocked_fullatom_cond.ckpt \
    --pdbfile example/3rfm.pdb \
    --ref_ligand example/3rfm_B_CFF.sdf \
    --outfile example/3rfm_generated.sdf \
    --n_samples 2 --num_nodes_lig 44

验证通过标准：

程序正常退出（exit code 0）
输出 SDF 文件非空且格式正确

特殊适配点

适配项	说明
numpy 版本	必须 1.26.4，conda 安装 rdkit 后会被覆盖为 2.x，需手动恢复
numpy-base	conda 可能残留 numpy-base 2.x，需 `conda remove numpy-base --force`
torch_scatter	必须源码编译，设置 `FORCE_CUDA=0`
wandb	原始 0.13.1 不兼容 numpy 1.26.4，需升级到最新版
`__init__.py`	`analysis/` 和 `analysis/SA_Score/` 缺少 `__init__.py`
fp64 精度	Ascend910 不支持 double，自动降级为 fp32，扩散模型比较分布指标即可
transfer_to_npu	自动处理所有 CUDA→NPU 设备映射，无需手动改 device 逻辑

配套脚本

依赖与 NPU 运行时预检：python scripts/validate_diffsbdd_env.py

参考资料

DiffSBDD 依赖与验证备注：references/dependency-notes.md

项目	要求
硬件	Ascend910 系列（至少 1 卡）
OS	openEuler / Ubuntu / KylinOS（aarch64 或 x86_64）
CANN	≥ 8.2（推荐 8.2.RC1 或 8.3.RC1）
Python	3.10
PyTorch	2.5.1
torch_npu	2.5.1

ai-for-science-diffsbdd

DiffSBDD 昇腾 NPU 迁移 Skill

前置条件

迁移流程

1. 克隆仓库