- 博客(273)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 ascend-host-runtime：主机侧运行时的内存管理深度解读
作为CANN生态中的底层基石，其内存管理模块通过精巧的池化设计、严谨的锁页内存控制以及与硬件步调一致的异步管理机制，为高性能 AI 计算提供了坚实的保障。对于希望深入了解昇腾架构或进行底层性能优化的开发者来说，深入研读ascend-host-runtime 仓库的代码，无疑是掌握 AI 算力释放密码的最佳途径。更多关于 CANN 的开源项目与技术文档，请访问AtomGit CANN 组织主页。
2026-02-06 20:15:40
18
原创 CANN 社区生态建设：从源码贡献到开发者成长的闭环
仓库中的sigs/（Special Interest Groups）目录是其核心逻辑所在。通过 YAML 配置文件，社区定义了不同层级的角色：从普通贡献者（Contributor）到审查者（Reviewer），再到维护者（Maintainer）。实现逻辑：这种结构化的定义与 AtomGit 的权限校验系统钩合。当一个 PR（Pull Request）提交时，自动化脚本会解析该目录下的配置文件，自动指派对应的 Maintainer 进行 Code Review，实现了治理逻辑与研发流水线的无缝集成。
2026-02-06 20:15:08
43
原创 容器化部署专家：ascend-device-plugin 核心机制解析
不仅仅是一个简单的资源上报工具，它是昇腾 AI 算力在云原生时代落地的核心基石。通过对 gRPC 接口的严谨实现、对底层驱动的深度封装以及对复杂调度场景（如虚拟化、拓扑优化）的支撑，它为开发者屏蔽了底层硬件的复杂性。如果您希望深入了解如何基于华为昇腾构建高效的 AI 计算平台，AtomGit 上的CANN组织仓库是最佳的起点。通过阅读源码并参与社区贡献，您可以更直观地感受到国产算力生态在容器化调度领域的快速演进。
2026-02-06 20:14:37
11
原创 Ascend Computing Language (ACL) 统一编程接口的演进之路
acl 仓库不仅仅是一行行代码的堆砌，它是华为昇腾在异构计算领域多年积累的结晶。通过统一的编程接口、严谨的资源管理和高效的任务调度，ACL 成功构建起了一座连接开发者与强大算力的桥梁。欢迎广大开发者访问AtomGit CANN 组织，共同参与到这一伟大架构的演进中，开启国产 AI 算力应用的新篇章。
2026-02-06 20:13:59
35
原创 cann-ops-adv：高级算子库在复杂大模型推理中的加速实践
不仅仅是一个代码库，它是昇腾 AI 软硬件协同设计的结晶。通过对底层算子逻辑的深度重构与优化，它为复杂大模型的推理提供了坚实的算力底座。如果你是一名深度学习工程师或算子开发者，强烈建议深入研究cann-ops-adv 仓库，并关注CANN 组织的最新动态。在这里，你不仅能看到极致的性能优化技巧，更能参与到国产 AI 生态的建设中，共同驱动人工智能的未来。
2026-02-06 20:13:27
21
原创 深度解读 AIR (AI Runtime)：揭秘 CANN 极致算力编排与调度的核心引擎
air 仓库不仅仅是一个运行时库，它是华为在异构计算领域多年积累的技术结晶。通过对内存、流、任务的深度编排，它为开发者构建起了一道通往极致算力的桥梁。对于希望深入了解昇腾底层原理的开发者，我强烈建议克隆air 仓库进行研读。在那里，你不仅能看到代码，更能看到关于“高效计算”的最终答案。欢迎访问CANN 组织了解更多开源技术细节。
2026-02-06 20:12:57
14
原创 探索 CANN Graph 引擎的计算图编译优化策略：深度技术解读
CANN Graph 引擎不仅仅是一个简单的图数据结构库，它是一套精密的“图编译器”后端。通过对计算图的深度解析、多级融合、静态内存规划以及精细化的 Tiling 策略，它成功地屏蔽了底层硬件的复杂性，赋予了开发者极高性能的 AI 执行体验。对于希望深入了解昇腾架构底层的开发者来说，研读graph 仓库的源码是通往高级性能调优的必经之路。随着 CANN 版本的不断迭代，我们期待看到更多关于动态形态（Dynamic Shape）优化、自动并行策略等尖端技术在graph模块中落地。更多技术细节，请访问。
2026-02-06 20:12:06
11
原创 深度解读 Metadef：昇腾 AI 异构计算架构的元数据基石
metadef引入了一套声明式的算子定义 DSL。通过REG_OP宏，开发者可以定义算子的输入（Input）、输出（Output）和属性（Attr）。// 示例逻辑：定义一个简单的算子原型这种设计的精妙之处在于，它通过静态注册机制，在编译期就确定了算子的校验逻辑。当模型加载时，metadef会自动校验 Tensor 的 Shape 和 DataType 是否匹配，极大地降低了运行时错误的风险。metadef不仅仅是一个定义文件的集合，它是昇腾 AI 软件栈的“基因组”。
2026-02-06 20:11:34
19
原创 深度解读 CANN HCCL：揭秘昇腾高性能集体通信的同步机制
HCCL 不仅仅是一个通信库，它是 CANN 架构下实现超大规模算力集群高效协同的关键支撑。通过在hccl 仓库中的深度代码实践，我们看到了华为在处理复杂网络拓扑、硬件加速同步以及异步任务调度方面的技术实力。对于开发者而言，深入理解 HCCL 的同步机制，不仅有助于优化分布式训练任务的性能，更能为构建下一代 AI 计算基础设施提供宝贵的参考。欢迎广大开发者访问CANN 组织主页参与开源贡献，共同探索 NPU 计算的无限可能。
2026-02-06 20:10:44
27
原创 深度剖析 CANN ops-nn 算子库：架构设计、演进与代码实现逻辑
在ops-nn中，每个算子的起点都是原型定义。这决定了算子的输入、输出和属性（Attributes）。逻辑实现：开发者在op_proto目录下定义算子的推导逻辑（Inference Shape）。例如，对于一个Conv2D算子，原型定义需要根据输入 Tensor 的形状、卷积核大小、步长（Stride）和填充（Padding）准确计算出输出 Tensor 的形状。意义：这保证了在模型编译阶段，计算图的拓扑结构是静态可知的，为后续的内存分配提供依据。ops-nn。
2026-02-06 20:10:10
28
原创 CANN ops-math仓库解读 数学算子的底层支撑与高性能实现
指数对数运算包括Exp（指数运算）、Log（对数运算）、Log10（常用对数运算）、Pow（幂运算）等，这类运算在激活函数、损失函数的计算中应用广泛，ops-math通过优化算法实现，减少运算误差，提升运算效率，例如Exp算子采用分段逼近算法，在保证精度的前提下，大幅提升运算速度；其四，算法级优化，针对各类数学运算的特性，采用高效的算法实现，例如指数、对数运算采用分段逼近、查表等算法，在保证精度的前提下，大幅减少运算步骤，提升运算效率。
2026-02-06 20:09:06
33
原创 CANN ops-cv仓库全面解读 视觉任务的高性能算子赋能方案
开发者可以通过仓库中的examples目录，获取各类算子的调用示例，例如GridSample算子的空间变换示例、Resize算子的不同插值方式示例、NMS算子的目标框剔除示例等，每个示例都配有完整的代码和注释，清晰展示算子的参数配置、调用流程以及结果分析；与通用算子库不同，ops-cv针对视觉任务的特性，对每个算子进行定制化优化，充分利用昇腾NPU的专用CV指令集和并行计算能力，大幅提升图像处理和目标检测的效率，同时为开发者提供简洁易用的API接口和丰富的示例代码，降低视觉应用的开发与优化门槛。
2026-02-06 20:06:03
83
原创 深度解析CANN ops-nn仓库 神经网络算子的性能优化与实践
仓库中的examples目录提供了各类算子的调用示例，涵盖基础算子的简单调用、复杂算子的组合使用以及模型适配中的算子集成，每个示例都配有详细的注释，清晰展示算子的使用方法与参数配置；核心算子层是仓库的核心内容，包含了各类神经网络算子的完整实现，从基础的2D卷积、深度卷积、分组卷积，到池化操作中的最大池化、平均池化，再到激活函数中的ReLU、GELU、Swish，以及批归一化、层归一化等归一化算子，覆盖现代深度学习模型的全部核心需求，每个算子都经过精心的算法优化与性能调优，充分适配硬件特性；
2026-02-06 20:04:13
66
原创 深度解码昇腾精度的守护者：CANN Debugger 架构与技术全景解析
debugger仓库不仅是 CANN 软件栈中的一套工具代码，更是连接算法理论与芯片物理实现的桥梁。它极大地降低了国产 AI 芯片的使用门槛，缩短了模型适配周期。从组织的整体布局来看，Debugger 与编译器、运行时环境紧密配合，共同构筑了坚实的 AI 基础设施。更强的自动化诊断：引入 AI 算法来诊断 AI 问题，自动分析数据分布，给出优化建议。分布式调试能力：针对万卡集群的并行训练，提供全局视角的调试视图。在线调试（Online Debugging）
2026-02-06 19:51:42
33
原创 昇腾算力的基石：深度剖析 CANN NPU 驱动架构与核心机制
CANN 的 driver 仓库不仅仅是一段代码，它是昇腾 AI 处理器算力释放的“阀门”。通过精妙的内核态与用户态协同设计、高效的内存管理策略以及完善的虚拟化支持，它为上层千变万化的 AI 应用提供了坚实、稳定的底层支撑。展望未来，随着 CXL（Compute Express Link）技术的普及以及异构计算架构的演进，NPU 驱动将面临更低的延迟要求和更复杂的内存一致性挑战。
2026-02-06 19:49:56
122
原创 深度解码昇腾 AI 算力引擎：CANN Runtime 核心架构与技术演进
在异构计算系统中，Host（主机侧，通常为 CPU）与 Device（设备侧，如 NPU）之间的协同效率决定了整体性能的上限。深度学习模型动辄数百亿参数，若缺乏高效的任务调度与资源管理，强大的 NPU 核心往往会因为等待数据或指令而空转。CANN Runtime 正是解决这一问题的关键。它位于计算架构的驱动层之上、算子库与图引擎之下，负责将上层的计算任务流高效地映射到硬件资源上。在 AtomGit 托管的runtime仓库中，我们能看到昇腾如何通过软件定义的方式，实现对硬件资源的细粒度控制与抽象。
2026-02-06 19:49:02
53
原创 深度解码昇腾AI之魂：CANN Compiler 核心架构与技术演进
CANN 的compiler仓库不仅是一个代码库，它是昇腾 AI 算力释放的灵魂。它通过高度抽象的中间表示、激进的图算融合策略以及智能的硬件映射机制，将复杂的神经网络高效地转化为 NPU 上的脉冲电流。随着大模型（LLM）技术的爆发，未来的编译器将面临分布式编译、更复杂的动态图支持以及跨架构协同的新挑战。我们有理由相信，依托 AtomGit 这一开源协作平台，CANN Compiler 将持续演进，吸纳更多社区智慧，成为 AI 基础设施中不可或缺的编译基座。
2026-02-06 19:48:30
96
原创 深度解码昇腾AI之魂：CANN Graph Engine 架构与核心技术全景解析
CANN Graph Engine 不仅仅是一个代码仓库，它是昇腾 AI 算力释放的灵魂。通过高度抽象的图中间表示、激进的算子融合策略以及智能的内存管理，GE 成功地在通用 AI 框架与专用 AI 硬件之间架起了一座高性能的桥梁。随着 AI 技术向着大模型、多模态方向演进，未来的 Graph Engine 必将面临更大的挑战。我们可以预见，GE 将在自动化调优（Auto-tuning）全图算子自动生成以及更细粒度的动态图执行方面持续演进。对于致力于底层系统软件优化的开发者而言，深入研究。
2026-02-06 19:47:55
62
原创 深度解码昇腾计算语言接口 (ACL)：CANN 架构下的算力之门
AtomGit 上的acl仓库不仅仅是一堆头文件和库的集合，它是昇腾计算产业的“神经末梢”。通过深入剖析 ACL，我们看到了华为在构建 AI 基础设施时的深思熟虑 —— 既要保证底层硬件能力的无损释放，又要兼顾上层开发的通用性与易用性。更友好的 Python 绑定：虽然目前有 ACLLite，但官方原生、高性能的 Python API 将进一步降低门槛。统一内存架构（Unified Memory）：进一步简化 Host 与 Device 间的内存管理，让运行时自动处理数据迁移。更强的图融合能力。
2026-02-06 19:46:14
120
原创 昇腾算力之锚：深度解读 CANN ascend-toolkit 异构计算架构与工程实践
在人工智能算力呈指数级爆发的今天，AI 芯片的竞争早已超越了单纯的硬件峰值算力（TOPS/FLOPS）比拼，转而进入了“软硬协同”的生态对抗阶段。作为一名深耕异构计算领域的架构师，我始终认为，芯片决定了算力的上限，而软件栈则决定了算力的实际利用率与开发者的生产力。在华为昇腾（Ascend）AI 生态中，CANN（Compute Architecture for Neural Networks）扮演着至关重要的角色——它是连接上层 AI 框架与底层昇腾 AI 处理器的核心桥梁。
2026-02-06 19:45:13
80
原创 千万条评论，一个优化方向：亮数据MCP重塑产品决策闭环
产品经理与工程师无需离开编码界面，即可直接查询、引用最新的用户情绪分析与产品问题聚合报告，从而将市场声音瞬间转化为清晰的产品优化指令，真正实现了从海量数据到敏捷业务决策的极致闭环。它内置面向电商场景优化的AI模型，能自动完成数据清洗、情感判断（正/负/中）与问题主题归类（如#物流#、#质量#），并将分析结果实时输出为结构化报告与业务预警。智能数据采集引擎，高效突破目标平台的反爬机制，以超过99.9%的成功率稳定获取原始评论数据，确保企业无需纠缠于底层技术对抗，即可实现大规模、高并发的数据抓取。
2026-01-22 22:09:05
3870
2
原创 2025总结：从应届生到全网20W粉，“稳定发疯”的一年
2025年，我从毕业生蜕变为职场人+自媒体博主：年初在上海车企工作，5月毕业时毕设被图书馆收藏；7月转战深圳找到955工作，8月开始爬山烫头探索生活；下半年全平台发力，小红书半月涨粉2万变现五位数，B站突破10万粉，还尝试带货和vlog拍摄。这一年教会我：不合适要趁早止损，打工是底气，自媒体是底座。虽然累，但比"一眼望头"的生活更充实。唯一的遗憾是错过校园恋爱，2026年希望能遇见爱情，继续折腾人生。
2026-01-22 20:58:45
1164
5
原创 【鸿蒙PC桌面端开发】使用ArkTS做出RGB 色环选择器
随着开源鸿蒙（OpenHarmony）在桌面端（PC）的全面发力，开发者们面临着从移动端“小屏交互”到桌面端“大屏精准操作”的范式转变。在 PC 办公、设计类软件中，颜色选择器（Color Picker）是一个极其基础但又极具挑战性的组件。传统的列表选择或简单的网格选色已无法满足专业设计需求。直观的几何交互：通过色环（Color Wheel）映射色相（Hue）与饱和度（Saturation）。多维度的数值联动：RGB、HSV 与 Hex 十六进制值的实时双向绑定。极致的性能表现。
2026-01-13 21:41:46
911
原创 鸿蒙PC应用开发深度实战：一次开发、多端适配的沉浸式音乐播放器迁移实践
摘要：本文以沉浸式音乐播放器为例，详细介绍了如何在DevEcoStudio环境下利用ArkUI框架实现一套代码适配鸿蒙PC、手机和手环三大终端。通过MVVM架构设计，实现了数据模型层统一、业务逻辑层共享，并利用ArkUI的响应式布局技术实现多端UI自动适配。重点展示了鸿蒙PC端的深度优化，包括鼠标悬停效果、窗口化管理等特性，以及通过断点系统实现的自适应布局。实机验证表明，该方案能完美实现"一次开发，多端部署"的鸿蒙核心理念。
2026-01-12 20:57:16
991
原创 【鸿蒙PC桌面端实战】从零构建 ArkTS 高性能图像展示器：DevEco Studio 调试与 HDC 命令行验证全流程
本文详细介绍了基于开源鸿蒙(OpenHarmony)的PC端应用开发实战。文章首先阐述了鸿蒙PC操作系统的发展现状及开发特点，随后通过一个"高性能图像展示器"案例，完整展示了使用DevEcoStudio和ArkTS开发桌面应用的全过程。重点内容包括：1)开发环境搭建；2)核心代码解析与原理剖析；3)HDC命令行工具的真机验证流程；4)PC端开发的适配建议和常见问题。该案例充分利用ArkUI的响应式特性，实现了图片浏览、全屏切换等功能，展现了鸿蒙PC在桌面应用开发中的优势，为开发者提供了实
2026-01-10 17:37:02
685
原创 每天节省3小时：我们如何用IPIDEA动态IP解决海外数据采集难题
本文介绍了使用IPIDEA动态住宅IP服务提升海外市场数据采集效率的实践。针对自建代理池IP质量不稳定导致采集成功率仅65%的问题，作者通过集成IPIDEA服务，将成功率提升至99.5%以上。文章详细展示了从环境配置到数据采集、清洗和分析的完整技术实现流程，包括Python代码示例和数据分析方法。通过竞品社交媒体数据分析，得出了价格区间、内容标签和发布时间等关键业务洞察，验证了高质量代理IP对数据驱动决策的价值。该方案显著降低了系统维护成本，使团队能专注于数据分析与业务策略制定。
2025-12-26 08:00:00
30276
6
原创 在昇腾NPU上实战部署LongCat-Video：从环境配置到长视频生成的完整指南
本文详细记录了在昇腾NPU平台上部署开源视频生成模型LongCat-Video的完整过程。作者首先介绍了昇腾环境的特殊配置，包括PyTorch适配、虚拟环境创建等关键技术要点。随后展示了项目部署的具体步骤，包括模型下载、依赖安装和代码适配，重点解决了CUDA到NPU的转换问题。文中提供了简化测试脚本和完整推理脚本，并分享了处理内存不足、模型编译失败等常见问题的实用技巧。通过分阶段验证的方法，最终成功在昇腾平台上实现了文本生成视频功能。文章还总结了昇腾生态部署大模型的关键经验，并对社区发展提出了建设性建议，为
2025-12-20 12:24:43
5826
原创 体验LongCat-Image-Edit图像编辑模型：在昇腾NPU上的部署与推理全流程分享
本文分享了在昇腾NPU环境下部署美团开源LongCat-Image-Edit模型的全过程。该模型支持中英双语指令，具备精准编辑、一致性保持等优势。作者详细介绍了环境配置、代码调试及问题解决经验，包括创建虚拟环境、安装NPU适配的PyTorch版本、模型权重下载等关键步骤。通过实际测试案例，验证了模型在形状编辑、颜色修改等任务中的出色表现，并总结了昇腾NPU环境下的最佳实践和模型使用技巧。文章为开发者提供了从零开始部署这一先进图像编辑模型的完整指南。
2025-12-20 12:13:22
30270
原创 使用GeeLark+亮数据，做数据采集打造爆款内容
结果不再是碰运气，而是持续产出能精准匹配目标市场偏好的内容，真正实现数据驱动的科学增长。传统TikTok内容创作常陷入“盲猜”：热点难追，用户偏好成谜，爆款如同玄学。，他们构建了一套精准的“市场感知-内容响应”系统。使用GeeLark+亮数据，做数据采集打造爆款内容。这些实时市场情报，直接输送给AI剪辑与内容策略，——从热门标签、互动指标到用户评论的情感倾向。新一代跨境卖家正用数据破解这一困境。
2025-12-15 20:03:35
7895
原创 昇腾NPU实战：Z-Image-Turbo-Fun-Controlnet-Union模型部署与测试全记录
本文介绍了在华为昇腾AI处理器上部署Z-Image-Turbo-Fun-Controlnet-Union图像生成模型的全过程。该模型基于阿里巴巴通义实验室的开源技术，整合了ControlNet-Union控制网络，支持多种控制条件（边缘检测、深度图、姿态等），实现了精确可控的图像生成。文章详细说明了在GitCode云端Notebook环境中配置昇腾开发环境的步骤，包括模型下载、代码分析以及针对NPU的适配修改。通过实际测试验证了模型在昇腾910B NPU上的性能表现，生成时间约2.5-3.5秒（512x51
2025-12-11 23:00:11
5433
原创 PyTorch算子模板库技术解读：无缝衔接PyTorch模型与Ascend硬件的桥梁
本文介绍了PyTorch算子模板库在华为昇腾AI处理器上的应用实践。通过环境配置、核心架构解析、ResNet模型迁移、自定义算子开发等环节，展示了如何实现"代码零修改，性能最大化"的目标。关键技术包括算子融合、内存格式优化和JIT编译，实际测试显示ResNet-50推理时间优化35.5%，内存使用减少27.8%。文章还提供了最佳实践指南和故障排除方法，帮助开发者高效利用昇腾硬件加速AI模型。
2025-11-29 16:17:20
796
原创 手把手教你用开源CANN算子优化DeepSeekMath-V2模型
DeepSeekMath-V2是一个专门针对数学推理任务开发的大语言模型，采用自我验证的数学推理训练框架，在复杂数学问题求解方面表现卓越。该模型基于DeepSeek-V3.2-Exp-Base构建，通过LLM验证器自动审查生成的数学证明，并利用高难度样本持续优化模型性能。核心特性参数规模：685亿参数，支持BF16、F8_E4M3和F32多种计算精度上下文长度：支持长序列处理，能处理复杂的多步骤数学证明自我验证机制：内置验证器模块，实时检查推理过程的逻辑一致性卓越表现。
2025-11-29 15:17:18
826
原创 【征文计划】使用Rokid CXR-M和CXR-S SDK构建智能维修助手
摘要：Rokid AR眼镜通过CXR开发套件为工业维修提供智能解决方案，解决工程师双手操作与信息查阅的矛盾。系统采用手机-眼镜协同架构，实现AR指引、语音控制和AI设备识别三大核心功能：眼镜端显示维修指引，手机端处理复杂计算，云端提供知识支持。开发使用CXR-MSDK结合Android环境，支持蓝牙连接、语音交互和实时图像识别。该方案显著提升维修效率，未来可扩展多模态交互和预测性维护功能，展现了AR技术在工业场景中的巨大潜力。（149字）
2025-11-29 13:02:59
643
原创 CANN创新玩法：我在昇腾平台上造了个会“偷懒“的AI模型
那天下午，我盯着服务器监控面板，发现了一个奇怪的现象。同一个AI模型，在处理简单图片时NPU利用率只有30%，遇到复杂图片却飙升到70%。这感觉就像让一个博士生去做小学数学题，既浪费人才，又浪费时间。"能不能让AI聪明点，简单的活儿少干点，复杂的活儿多干点？"这个念头在我脑子里闪了一下。没想到，就是这个简单的想法，开启了我跟CANN较劲的两个星期。技术优化不一定要追求高大上，有时候换个思路，解决实际痛点就是最好的创新。不是所有任务都需要全力以赴资源应该用在刀刃上用户体验不能中断。
2025-11-29 12:17:46
5592
原创 基于亮数据MCP与AI的全球电商实时监控与动态定价实践
在全球电商的激烈竞争中，信息差就是利润差。对手的一次悄然降价、一个突然出现的负面评价，或是一款热门商品的断货，都可能让您措手不及，导致订单流失或库存积压。让定价精准而主动：基于全面的市场动态与您自身的业务目标，系统能为您提供科学、精准的定价建议，甚至在规则内实现自动调价，确保您的竞争力与利润空间。市场态势一目了然： 您能清晰地看到自身产品与所有竞品在价格、口碑和库存上的实时对比，精准定位自身优劣势。先人一步感知趋势：系统能帮助您敏锐发现潜在的销售机会与市场风向，为产品规划与营销策略提供可靠依据。
2025-11-24 19:55:02
4993
原创 Ascend C编程范式总结：与CUDA的异同对比
CUDA提供了极大的灵活性，无论是线程束（Warp）的利用、共享内存的Bank Conflict避免，还是各类内存的访问模式优化，都给了高手极大的发挥空间。今天，我就结合自己的实战体会，做一次Ascend C与CUDA的编程范式深度总结，希望能为来自不同背景的开发者架起一座理解的桥梁。经过在CANN训练营的系统学习和这番对比，我深刻认识到，Ascend C和CUDA并非简单的谁替代谁的关系，它们是针对不同硬件特性、为同一个目标而生的两种优秀解决方案。作为一个两者都深度接触过的“过来人”，我的回答是：“
2025-11-18 19:50:43
607
原创 双缓冲流水线实战：用Pipe接口实现性能翻倍
但在处理计算和搬运时间不完全匹配的场景时，导师建议可以尝试深度为3或4（多缓冲），可以更好地“削峰填谷”，适应波动。理论很美好，但当我关上导师的课件，准备亲手实现时，面对着一堆陌生的。导师的评语是：“你修了一条满是红绿灯的乡间小路，却想实现高速公路的效率。接口封装了华为工程师在异构计算领域的最佳实践，我们站在巨人的肩膀上，才能看得更远，跑得更快。接口不仅在易用性上完胜，在性能上更是通过底层的深度优化，实现了理论上的极致。，这条“官方高速路”，稳健地搭建起让你的算子性能翻倍的双缓冲流水线。
2025-11-18 19:48:46
597
原创 Ascend C中的“流水线”艺术：为何计算与搬运要重叠？
实现的，而是通过一种更精妙的、让核函数内部“一心二用”的技术。它就像一位世界顶级的厨师，不得不亲自跑去冷库取食材（数据搬运），取回来后才能开始烹饪（计算），做完后还得自己把菜端到前厅（结果回写）。今天，就让我们一同揭开这“流水线”艺术的神秘面纱，看看它是如何让我们的算子性能实现第二次飞跃的。我不再仅仅满足于让代码跑出正确的结果，而是开始像一位芯片架构师一样思考，如何在时空维度上编排数据流与计算流，让硬件的每一个部分都物尽其用。性能分析报告中大幅提升的指标，我志得意满，觉得已经摸到了性能的天花板。
2025-11-18 19:46:24
590
原创 在CANN上跑个模型到底多简单？三段代码搞定工业缺陷检测
本文分享了在openEuler操作系统上使用华为CANN框架进行昇腾NPU开发的实战经验。文章展示了一个PCB缺陷检测项目从Ubuntu+GPU迁移到openEuler+NPU的全过程，仅用三段核心代码就实现了显著性能提升：环境配置脚本、NPU混合精度训练代码和优化推理代码。最终在昇腾310上实现1.84ms的推理速度，比原GPU方案快12倍，比CPU快7.4倍。文章详细介绍了openEuler上CANN的环境搭建、混合精度训练优化、NPU专属性能监控等技术要点，以及AIPP预处理、算子融合等关键优化方法，
2025-11-17 18:36:14
5383
原创 CANN特性深度解析：从入门到精通的自定义算子开发指南
本文分享了作者从CUDA转向CANN开发过程中的经验教训。文章首先介绍了CANN的三层架构设计，强调其不仅是AI推理框架，更是一套完整的异构计算解决方案。接着详细讲解了基于openEuler的环境搭建步骤和验证方法，包括必要的环境变量设置和工具链检查。然后通过ACL接口实战演示了NPU设备管理、流管理和内存管理等核心概念，并提供了性能优化技巧。最后重点介绍了自定义算子开发流程，包括Python接口定义、性能对比测试、算子融合原理以及C++实现方法，展示了如何通过自定义算子获得显著性能提升。文章为开发者提供了
2025-11-12 11:03:43
5158
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人