一行诗人-优快云博客

原创【昇腾CANN训练营·算法篇】寻找消失的除法器：Newton Iteration 与高精度数学计算的艺术

摘要：2025年昇腾CANN训练营第二季提供0基础入门、开发者案例等专题课程，助力开发者提升算子开发技能，完成认证可获证书及奖品。在AI计算中，除法运算通过查表结合牛顿迭代法实现，将A/B转化为A×(1/B)，相比直接硬件除法更高效。文章详解了达芬奇架构中SFU单元的工作原理，包括查表初值获取和牛顿迭代过程，并给出AscendC中的优化实践，如使用RSqrt指令加速LayerNorm运算。同时指出Exp/Log等运算通过多项式展开实现，建议开发者根据精度需求选择近似算法以提升性能。报名链接：https://

2025-12-17 20:29:34 622

原创【昇腾CANN训练营·同步篇】驾驭无序之马：深入解析 PipeBarrier 与指令流水的同步哲学

摘要：昇腾NPU的DaVinci架构采用全异步设计，Scalar单元快速发射指令，而Vector/Cube单元执行较慢，易引发RAW/WAR数据冒险。文章解析PipeBarrier机制，指出其仅暂停Scalar向指定管道发射新指令，而非阻塞所有单元。通过TQue队列管理大部分依赖，仅在跨管道交互、Scalar读写UB等场景需手动同步。强调过度同步会严重降低性能，建议信任TQue、延迟等待和批量同步。掌握指令时序是确保昇腾开发正确性的关键。（149字）

2025-12-17 20:24:45 979

原创【昇腾CANN训练营·性能篇】强迫症的胜利：深度解析 32-Byte 内存对齐与 Burst 性能哲学

内存对齐是 Ascend C 性能优化的基石。强迫症是好事：时刻保持 32 Byte 的敏感度。看到非对齐的地址就要警铃大作。空间换时间：通过 Host 侧多分配一点显存（Padding），换取 Device 侧 MTE 的全速 Burst 传输。整体设计：从模型层面的 Tensor 分配，到 Tiling 策略，再到 Kernel 实现，必须全链路贯穿对齐思想。当你不再为处理剩下的 3 个字节而写一堆 if-else，而是大手一挥搬运整个 Block 时，你就掌握了昇腾性能哲学的真谛。

2025-12-17 20:17:08 966

原创【昇腾CANN训练营·微架构篇】被忽视的指挥官：Scalar 单元如何决定算子流水线的生死

摘要：2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能，完成认证可获证书及华为奖品。本文聚焦AscendC算子开发中常被忽视的Scalar单元性能优化问题，揭示了控制流与计算流的解耦机制。文章分析了Scalar单元成为性能瓶颈的原因，指出复杂的标量计算会导致NPU流水线停顿，并提出三大优化方案：减少Vector与Scalar交互、预计算复杂运算、简化循环内计算。通过代码实例对比，展示了如何优化指令发射效率，最终实现让Scalar单元"少干活、快发令"的目标。

2025-12-17 20:06:13 838

原创【昇腾CANN训练营·微操篇】摒弃标量思维：深入 Ascend C 向量指令的 Mask 与 Repeat 机制

摘要：2025年昇腾CANN训练营第二季推出0基础入门、码力全开特辑等专题课程，助力开发者提升算子开发技能。完成AscendC算子中级认证可获证书，参与社区任务更有机会赢取华为手机等大奖。报名链接：https://www.hiascend.com/developer/activities/cann20252

2025-12-17 19:59:41 895

原创【昇腾CANN训练营·调试篇】黑盒里的微光：Ascend C 算子调试与定位的高级技巧

调试是一门侦探艺术，而不是试错运气。开发阶段：利用 CPU Twin + ASan，确保逻辑 100% 正确，内存 0 越界。联调阶段：利用 PRINTF（带核号过滤），验证数值精度和关键节点状态。疑难杂症：利用 CAModel 和 Timeline，透视硬件微观行为。不要害怕报错。每一个 Core Dump 都是 NPU 在试图告诉你：我不理解你的逻辑。通过调试工具听懂它的语言，你就能驾驭它。本文基于昇腾 CANN 8.0 调试工具链编写。

2025-12-17 19:56:04 995

原创【昇腾CANN训练营·架构篇】打破内存墙：Ascend C 算子融合（Operator Fusion）的极致心法

摘要：本文深入解析昇腾AI芯片中的UBFusion算子融合技术，通过将多个小算子融合为一个大算子，实现"一次搬运，多次计算"的性能优化。文章对比了标准流水线与融合流水线的差异，详细介绍了AscendC中的两种融合范式：Vector链式融合和Cube+Vector异构融合，并探讨了内存复用和指令并行等优化技巧。该技术能显著降低HBM带宽压力，充分发挥昇腾芯片的算力优势，是提升AI计算性能的关键方法。（149字）

2025-12-17 19:48:58 924

原创【昇腾CANN训练营·优化篇】刀尖上的舞蹈：深入理解 Atomic Add 原子操作与性能代价

摘要：昇腾CANN训练营2025第二季推出0基础入门、案例实践等课程，助力开发者掌握算子开发技能，完成认证可获证书及华为设备奖励。报名链接见官网。针对并行计算中的原子操作性能问题，本文深入解析AscendC的原子操作原理及优化方法，指出原子操作需谨慎使用以避免性能下降10倍以上，并提供"UB聚合+延迟原子写"等优化策略，强调在确定性要求高的场景应避免使用AtomicAdd。

2025-12-17 19:45:09 709

原创【昇腾CANN训练营·算力篇】唤醒沉睡的野兽：Ascend C 调用 Cube 单元加速矩阵运算

调用 Cube 单元是 Ascend C 开发的分水岭。思维转变：从“线性处理”转变为“块状处理”（Block-based）。格式敬畏：时刻谨记 16x16 对齐，理解 Fractal 格式的必要性。异构协同：Cube 负责重火力（MatMul），Vector 负责精细操作（Bias, ReLU），两者通过 UB 紧密配合。当你开始用 Cube 思考问题，你才真正触摸到了昇腾 910B 的灵魂。

2025-12-17 19:41:06 906

原创【昇腾CANN训练营·优化篇】流水线的艺术：深入解析 Double Buffer (Ping-Pong) 并行机制

摘要：本文深入解析了AscendC算子开发中的性能优化技巧，重点介绍了DoubleBuffer（双缓冲）技术。通过分析达芬奇架构的硬件特性，展示了如何利用TQue队列机制构建Ping-Pong流水线，实现MTE和Vector单元的并行工作，有效掩盖数据传输延迟。文章详细阐述了TQue队列的深度设置、依赖管理机制，并提供了实战代码示例。同时探讨了双缓冲与内存限制的平衡关系，以及进阶的三级流水方案。最终强调DoubleBuffer是算子性能优化的关键，需要在UB空间和并行度之间找到最佳平衡点。

2025-12-17 19:37:09 549

原创【昇腾CANN训练营·核心篇】拒绝“写死”：Ascend C 算子动态 Tiling 的设计哲学

摘要：昇腾CANN训练营2025第二季推出系列课程，助力开发者掌握算子开发技能。重点解析CANN架构独特的HostTiling+KernelComputing分离模式：Host侧CPU负责计算最优数据切分策略(TilingData)，Device侧NPU专注执行计算。文章详细讲解多核负载均衡、UB内存限制等关键策略，并通过代码示例展示如何实现动态Shape处理，强调32字节对齐的重要性，帮助开发者编写通用性强的算子代码。完成课程可获得认证及丰厚奖品。

2025-12-17 19:33:21 824

原创【昇腾CANN训练营·巅峰篇】打破显存高墙：FlashAttention 算子在昇腾 NPU 上的极致优化之道

摘要：本文深入探讨了在昇腾NPU上实现高性能FlashAttention的关键技术。针对Transformer中Self-Attention的O(N²)复杂度问题，通过IO感知和分块计算技术，结合昇腾DaVinci架构特性，详细解析了OnlineSoftmax实现、双缓冲流水线优化等核心方法。文章从硬件微架构角度出发，阐述了如何平衡计算与访存瓶颈，实现显存高效利用和算力充分压榨，为开发者提供了在昇腾平台上手写高性能FlashAttention的工程实践指导。

2025-12-17 19:28:54 841

原创【昇腾CANN训练营·算法篇】图计算的艺术：基于Ascend C实现GNN核心算子Scatter-Gather与消息传递

2025年昇腾CANN训练营第二季推出GNN算子开发专题课程，帮助开发者掌握图神经网络核心算法。GNN通过消息传递机制实现节点特征更新，工程实现中采用边表(COO格式)替代邻接矩阵。课程详细讲解了基于AscendC的Scatter-Gather范式实现，包括Kernel类定义、核心计算逻辑和性能优化策略，如索引排序和稀疏矩阵乘法转换。训练营提供从0基础到进阶的系列课程，完成认证可获得证书及华为设备奖励。报名链接：https://www.hiascend.com/developer/activities/ca

2025-12-15 20:26:25 781

原创【昇腾CANN训练营·生态篇】算子库的工程化交付：构建 CI/CD 流水线与版本兼容性管理

2025年昇腾CANN训练营推出算子开发专题课程，帮助开发者提升技能并获取认证。本文针对AscendC算子开发维护难题，提出工程化解决方案：通过CMake矩阵构建支持多芯片编译，利用宏隔离处理版本兼容性，搭建自动化CI/CD流水线进行静态检查、编译测试等，最终打包成.run安装包简化交付。这套体系将开发从"手工作坊"升级为"智能工厂"，有效降低维护成本，提升开发效率。

2025-12-15 20:22:26 639

原创【昇腾CANN训练营·前沿篇】解构DeepSeek：基于Ascend C实现MLA (Multi-Head Latent Attention) 算子

摘要：2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能，完成认证可获奖励。本文重点解析DeepSeek提出的MLA（Multi-Head Latent Attention）技术，通过低秩投影压缩KV缓存，显著降低显存占用。文章详细阐述MLA的核心算法原理，包括RoPE解耦和矩阵吸收技巧，并展示如何使用AscendC实现融合算子FusedMLA Kernel，通过双路Attention计算和优化策略提升性能。MLA技术体现了算法与算子的协同设计，为Transformer模型的高效推理

2025-12-15 20:19:34 954

原创【昇腾CANN训练营·算法篇】让AI Core学会排序：双调排序(Bitonic Sort)与TopK算子实战

摘要：2025年昇腾CANN训练营第二季推出专题课程，助力开发者提升算子开发技能。针对AI芯片不擅长排序的问题，提出基于AscendC的双调排序解决方案。文章详细介绍了双调排序算法原理，并给出AscendC实现TopK的具体方法，包括核心排序逻辑、索引追踪技巧和性能优化策略。通过混合使用硬件指令和数据打包技术，可在AI芯片上高效实现排序功能，为LLM解码等场景提供支持。

2025-12-15 20:16:04 783

原创【昇腾CANN训练营·行业篇】科学计算之光：基于 AI Core 的高性能 FFT (快速傅里叶变换) 算子开发

2025昇腾CANN训练营第二季推出0基础入门、开发者案例等专题课程，助力开发者提升算子开发技能，完成认证可获证书及华为设备奖励。本期重点讲解在AscendC上实现高效FFT算法，通过Stockham算法避开低效位反转，利用双缓冲设计实现连续读写。文章详细解析复数乘法实现、Stockham迭代逻辑，并提供性能优化建议，如预计算旋转因子、向量化指令等。FFT作为AI与物理世界的桥梁，在气象预测等科学计算领域具有重要应用价值。

2025-12-15 20:07:54 751

原创【昇腾CANN训练营·行业篇】去伪存真：基于 AI Core 的高效 NMS（非极大值抑制）算子开发

2025年昇腾CANN训练营第二季推出系列专题课程，助力开发者提升算子开发技能。文章重点解析了NMS（非极大值抑制）算法在AscendC中的优化实现。针对传统NMS算法的串行瓶颈，提出"并行IoU+串行Mask"的优化策略，详细展示了如何利用AscendC的Vector计算能力加速IoU环节。通过Kernel类定义和核心计算逻辑的代码示例，演示了预处理、广播计算、掩码更新等关键步骤。同时指出性能优化的深水区，包括减少标量交互、精度控制和硬件指令加速等方向。文章强调NMS是算法逻辑与硬件特

2025-12-15 20:05:11 817 1

原创【昇腾CANN训练营】硬核调试：使用BlackBox与Exception Dump定位NPU死机与异常

2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能，完成认证可获证书及华为产品奖励。针对NPU算子开发中的设备崩溃问题，文章详细介绍了昇腾芯片的异常诊断方法：通过ExceptionDump获取异常信息，分析错误代码和程序计数器；当设备完全死机时，使用ada工具提取黑匣子日志，重点检查MTE_ERR_STS等关键寄存器状态。文章总结了常见崩溃原因（内存越界、死锁、栈溢出）及排查思路，强调防御性编程和底层思维的重要性，帮助开发者快速定位致命错误。

2025-12-15 20:02:12 996

原创【昇腾CANN训练营·算法篇】图计算的艺术：基于Ascend C实现GNN核心算子Scatter-Gather与消息传递

2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能。训练营重点讲解图神经网络(GNN)的Message Passing机制，其核心是通过Gather-Scatter操作实现节点间信息传递。课程详细介绍了AscendC实现GNN算子的方法，包括Kernel类定义、计算流程及性能优化策略，如索引排序和稀疏矩阵乘法转换。掌握这些技术可优化AlphaFold等前沿模型，完成课程可获得AscendC算子中级认证及丰厚奖品。报名链接已提供。

2025-12-11 14:29:14 659

原创【昇腾CANN训练营·行业篇】长序列推理救星：FlashDecoding算子开发与KV Cache并行规约实战

摘要：2025年昇腾CANN训练营第二季推出FlashDecoding专题课程，聚焦大模型推理中的Decode阶段性能优化。针对长上下文场景下Attention计算的访存瓶颈，提出KVCache切分策略(Split-K)，通过OnlineSoftmax数学公式实现分块结果的无损合并。课程详细讲解AscendC实现方案，包括Stage1分块计算和Stage2全局规约两个核心Kernel，并分析异步流水线、原子归约等优化技巧。该技术将并行维度从Batch转向SeqLen，显著提升NPU利用率，是长文本模型推理加

2025-12-10 00:02:02 801

原创【昇腾CANN训练营·行业篇】MoE架构加速：深入解析TopK Routing与Grouped Matmul实现

摘要：2025年昇腾CANN训练营第二季推出专题课程，助力开发者提升算子开发技能，完成认证可获奖励。文章重点解析MoE模型的路由算子开发，通过交通枢纽类比说明路由过程，详细介绍了TopKGating算法三步流程及AscendC实现方案，包括Kernel类定义、核心计算逻辑和Token排列优化，并延伸讲解GroupedMatmul的高效计算策略，为开发者提供稀疏大模型优化的关键技术路径。

2025-12-09 23:57:58 672

原创打通训练闭环：深入解析自定义算子的反向传播 (Backward) 开发实战

在 AI 开发中，“能跑推理”和“能做训练”是两个完全不同的段位。对于推理，我们只需要实现 $Y = f(X)$。但对于训练，我们需要支持 PyTorch 的Autograd机制，这意味着我们要手写对应的反向算子：给定输出的梯度 $\frac{\partial L}{\partial Y}$（记为dy），计算输入的梯度 $\frac{\partial L}{\partial X}$（记为dx）和权重的梯度 $\frac{\partial L}{\partial W}$（记为dw数学推导。

2025-12-09 23:54:57 894

原创【昇腾CANN训练营·番外篇】考古与未来：从TIK (Python DSL)到Ascend C的演进启示

2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能。训练营提供0基础入门、码力全开特辑等专题，完成AscendC算子中级认证可获得证书及抽奖机会。文章对比了昇腾算子开发的两种范式：基于Python的TIK/TBE和基于C++的AscendC，通过VectorAdd算子实例展示其差异。TIK需要手动计算参数，类似"汇编级Python"；而AscendC采用面向对象设计，自动化处理数据依赖。虽然AscendC更高效，但理解TIK底层原理有助于性能优化。编程语言的演进本

2025-12-09 23:49:59 770

原创【昇腾CANN训练营·黑客篇】硬核调试：使用BlackBox与Exception Dump定位NPU死机与异常

昇腾CANN训练营2025第二季推出0基础入门、开发者案例等课程，助力开发者提升算子开发技能。针对NPU算子开发中的致命错误问题，文章介绍了两种调试方法：通过ExceptionDump获取异常信息定位逻辑错误，以及使用黑匣子机制在芯片崩溃时提取寄存器状态。重点分析了常见错误类型（内存越界、死锁、栈溢出）及排查技巧，强调反汇编分析和防御性编程的重要性。训练营提供AscendC算子中级认证及丰厚奖品，报名链接见文中。

2025-12-09 23:47:01 709

原创【昇腾CANN训练营·算法篇】图计算的艺术：基于Ascend C实现GNN核心算子Scatter-Gather与消息传递

摘要：图神经网络(GNN)的核心计算范式是消息传递(Message Passing)，通过边表(Edge Index)实现节点间的信息传递。关键操作为Gather(收集源节点特征)和Scatter(累加到目标节点)，需使用原子操作避免写冲突。AscendC实现时采用边中心并行策略，性能优化重点包括：1)对边索引按目标节点排序以减少原子冲突；2)将稀疏图计算转化为SpMM。优化图数据局部性是提升GNN算子性能的关键，这类优化可应用于AlphaFold、推荐系统等前沿模型。

2025-12-09 23:44:29 950

原创【昇腾CANN训练营·行业篇】渲染未来：基于Ascend C实现高性能3D GridSampler插值算子

2025昇腾CANN训练营推出3D体素采样算子开发实战课程，详解三线性插值(Trilinear)算法在Ascend AI Core的高效实现。课程重点解决3D采样中8点随机访存瓶颈，提出分块加载、权重优化等加速策略，并揭示FP32精度在坐标计算中的关键作用。通过AscendC向量化编程，开发者可掌握NeRF渲染和医学影像处理的核心算子开发技能。完成课程可获得AscendC中级认证及华为设备奖励，报名链接：https://www.hiascend.com/developer/activities/cann20

2025-12-09 23:42:09 988

原创【昇腾CANN训练营·行业篇】基于 AI Core 的高性能 FFT (快速傅里叶变换) 算子开发

2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能。本期重点讲解如何在AscendC上高效实现FFT算法，采用适合NPU的Stockham架构，避免低效的位反转操作。文章详细介绍了复数运算实现、Stockham算法原理、AscendC核心代码实现，以及预计算旋转因子等优化技巧。通过掌握FFT技术，开发者可应用于PDE求解、气象预测等AI for Science领域。训练营提供AscendC算子中级认证及丰厚奖品，报名链接：https://www.hiascend.com/develo

2025-12-08 23:56:35 569

原创【昇腾CANN训练营·行业篇】去伪存真：基于 AI Core 的高效 NMS（非极大值抑制）算子开发

摘要：2025年昇腾CANN训练营第二季提供算子开发课程，助力开发者技能提升。本文重点讲解在AscendC中优化目标检测网络中的NMS（非极大值抑制）算法。针对NMS串行处理的特点，提出"并行IoU+串行Mask"策略，利用Vector指令批量计算交并比，同时保持贪心算法逻辑。详细介绍了AscendC实现方案，包括Kernel类定义、IoU并行计算核心逻辑，并探讨了性能优化方向，如减少标量交互、精度处理和硬件加速指令等。该优化方案有效平衡了算法逻辑与硬件并行特性，可广泛应用于CV后处理场

2025-12-08 23:52:38 784

原创【昇腾CANN训练营·行业篇】自动驾驶核心：基于Ascend C的Voxelization体素化算子开发

摘要：2025年昇腾CANN训练营第二季推出Voxelization算子开发专题，重点解决3D点云处理中的稀疏性、冲突写入和随机访存难题。该算子需将不规则点云转换为规整特征图，核心挑战包括动态输入、并发写入和内存不连续访问。训练营提供从基础到进阶的课程体系，完成认证可获华为设备奖励，助力开发者掌握自动驾驶等领域的LiDAR感知模型优化能力。报名链接：https://www.hiascend.com/developer/activities/cann20252#cann-camp-2502-intro

2025-12-08 23:50:27 873

原创【昇腾CANN训练营·黑客篇】硬核调试：使用BlackBox与Exception Dump定位NPU死机与异常

摘要：2025年昇腾CANN训练营第二季提供全场景算子开发课程，助力开发者技能提升。针对NPU算子开发中的致命错误，文章详细介绍了两种调试方法：通过acl.json配置导出异常信息（ExceptionDump）和使用ada工具提取黑匣子日志（BlackBox）。重点解析了常见错误类型（越界写、死锁、栈溢出）的诊断技巧，强调反汇编分析和防御性编程的重要性。训练营还提供AscendC认证和丰厚奖品，报名链接：https://www.hiascend.com/developer/activities/cann20

2025-12-08 23:48:15 743

原创【昇腾CANN训练营·进阶篇】破解LLaMA的位置秘密：Ascend C RoPE算子开发实战

在完成了 RMSNorm 和 Int8 量化后，我们的 LLaMA 算子库还缺少一个关键组件——位置编码。RoPE (Rotary Positional Embedding) 是目前大模型的标配。通过旋转角度来表示相对位置。如果两个 Token 的距离是 $k$，那么它们的向量在空间中就相差一个旋转角 $k\theta$。逻辑复杂：涉及向量元素的交叉计算（$x_1 \cos - x_2 \sin$）。数据排布。

2025-12-08 23:45:59 640

原创【昇腾CANN训练营·算法篇】推荐系统加速：在 AI Core 上实现高性能 Hash Lookup 与 Unique 算子

2025年昇腾CANN训练营第二季推出0基础到进阶的算子开发课程，帮助开发者提升技能并赢取认证和奖品。针对推荐系统TB级模型训练痛点，训练营重点讲解SparseUpdate优化技术，通过Unique算子减少重复计算。课程详细解析了基于排序的去重算法实现流程，包括BitonicSort和ParallelScan的组合应用，并介绍了HashLookup的开放寻址法实现。特别强调内存优化策略，如请求合并和冷热数据分离。这些技术能有效优化巨型推荐模型的训练效率，参数量可达TB级。

2025-12-05 17:54:22 712

原创【昇腾CANN训练营·算法篇】挑战序列依赖：Mamba核心算子Parallel Scan (并行扫描) 开发实战

2025年昇腾CANN训练营推出ParallelScan算子开发专题，解析Mamba架构核心算法。课程详解Hillis-Steele并行扫描算法，通过SIMD硬件实现O(logN)时间复杂度的前缀和计算。重点展示AscendC实现方案，包括寄存器移位访问、分块扫描等关键技术，并探讨性能优化方向。训练营提供从0基础到进阶的系列课程，完成认证可获华为设备奖励，助力开发者掌握AI时代经典算法实现技巧。

2025-12-05 17:25:55 624

原创【昇腾CANN训练营·行业篇】自动驾驶核心：基于Ascend C的Voxelization体素化算子开发

摘要：2025年昇腾CANN训练营第二季推出0基础到进阶的算子开发课程，助力开发者提升技能。本文以3D检测网络中的Voxelization算子为例，详解其核心算法：通过哈希映射将离散点云转换为规则网格，处理动态输入和并发写入问题。重点展示了AscendC实现方案，包括原子操作处理冲突、随机内存访问优化等关键技术，并指出性能瓶颈及优化方向（如点云预排序）。该算子是检验AI芯片编程能力的重要案例，掌握后可优化LiDAR感知模型底层性能。

2025-12-04 11:56:29 468

原创【昇腾CANN训练营·生态篇】端云一体：Ascend C 算子在鸿蒙系统上的交叉编译与部署

2025年昇腾CANN训练营第二季推出系列课程，助力开发者提升算子开发技能，完成认证可获证书及大奖。文章重点讲解如何实现"一次编写，端侧运行"的交叉编译技术：通过搭建OpenHarmony SDK和昇腾ACL库(ARM版)工具链，配置CMake进行交叉编译生成ARM架构可执行文件，并使用HDC工具部署到鸿蒙设备运行。同时指出端侧开发需注意内存池化、静态Shape等资源约束问题，掌握该流程可打通云端算法到边缘硬件的开发链路。

2025-12-04 11:48:04 599

原创【昇腾CANN训练营·进阶篇】极致融合：利用C++表达式模板(Expression Templates)实现算子“零开销”级联

摘要：2025年昇腾CANN训练营第二季提供系列课程，帮助开发者提升算子开发技能，完成认证可获奖励。文章重点探讨了深度学习算子融合技术，提出利用C++模板元编程构建惰性求值引擎，通过表达式模板技术实现算子自动融合。详细介绍了TensorWrapper包装类、操作节点定义及简易DSL实现方法，最终利用AscendC指令实现高效计算。该方案将数学逻辑与底层指令解耦，通过模板展开优化计算图，显著提升开发效率和计算性能。报名链接：https://www.hiascend.com/developer/activiti

2025-12-04 11:44:43 593

鸿蒙心路旅程：技术革新与个人成长的交响曲

鸿蒙技术分享：个人在探索HarmonyOS NEXT的技术创新与实践

空空如也