controlnet-inpaint-endpoint on Ascend NPU

本仓提供 OrderAndChaos/controlnet-inpaint-endpoint 中 ControlNet 本体的昇腾 NPU 离线推理入口。模型文件需在运行前放入本地 model/；推荐使用固定快照 revision f687f36ddb6403221e37e06a5ddc0ce66f89a906。完整 Stable Diffusion endpoint 还需要仓外基底模型，本验收只运行该快照实际交付的 ControlNetModel。

环境与目录

验证环境为 Ascend 910B3、CANN 8.5.1、Python 3.11、PyTorch 2.9.0 和 torch_npu 2.9.0.post1。保留容器自带的 CANN/PyTorch/torch_npu，仅安装 requirements.txt 中的模型层依赖。

workspace/
├── repo/
├── model/
└── pydeps/

cd repo
python3 -m pip install --no-deps --target ../pydeps -r requirements.txt

NPU 推理

cd repo
source /usr/local/Ascend/cann-8.5.1/set_env.sh
export PYTHONNOUSERSITE=1
export PYTHONPATH=../pydeps:$PYTHONPATH
EVIDENCE_HOLD_SECONDS=0 python3 inference.py \
  --model_path ../model \
  --device npu:0 \
  --seed 20260817 \
  --output_json result.json

入口仅接受 npu:N，并以 local_files_only=True 加载模型。NPU 不可用、模型或输出未留在指定 NPU、13 个残差张量不完整、输出计数错误或出现非有限值时均非零退出。EVIDENCE_HOLD_SECONDS=1..600 可在完成前向后保持同一进程和 NPU 驻留状态。

固定测试包含 8 个确定性 ControlNet 输入；每个样本覆盖 12 个 down-block 残差和 1 个 mid-block 残差，总计 27,040 个有限值。当前 Model Agent 容器已完成真实 Ascend NPU 前向并返回 exit_status=0。该 fast-track 结果只验证 NPU 运行，不评价精度或完整扩散管线质量。

证据

assets/ 包含两组独立截图：agent_workflow{,_2}.png、npu_device_call{,_2}.png 和 model_result{,_2}.png。

本仓为 2301_76761127 队伍交付件（与备份账号合并提交）。

controlnet-inpaint-endpoint on Ascend NPU

环境与目录

workspace/
├── repo/
├── model/
└── pydeps/

cd repo
python3 -m pip install --no-deps --target ../pydeps -r requirements.txt

NPU 推理

cd repo
source /usr/local/Ascend/cann-8.5.1/set_env.sh
export PYTHONNOUSERSITE=1
export PYTHONPATH=../pydeps:$PYTHONPATH
EVIDENCE_HOLD_SECONDS=0 python3 inference.py \
  --model_path ../model \
  --device npu:0 \
  --seed 20260817 \
  --output_json result.json

证据

assets/ 包含两组独立截图：agent_workflow{,_2}.png、npu_device_call{,_2}.png 和 model_result{,_2}.png。

本仓为 2301_76761127 队伍交付件（与备份账号合并提交）。