《CANNBot 入门教程：从 0 到 1 生成你的第一个算子》笔记

qq_17280559

12人浏览 · 2026-09-07 20:38:21

qq_17280559 · 2026-09-07 20:38:21 发布

原作者：严海峰　发布时间：2026-04-13
项目地址：https://gitcode.com/cann/skills
本文档基于原 PDF《CANNBot入门：从0到1生成你的第一个算子》整理与扩展，在保留原文核心内容的基础上，补充了原理讲解、名词解释、代码示例和操作注意事项，力求让零基础读者也能循序渐进地完成第一个 Ascend C 算子的开发。

第 0 章　阅读准备：你需要知道的基础概念

在正式开始之前，先理解几个贯穿全文的关键概念，会让后面的学习顺畅很多。

0.1 什么是「算子」（Operator）

在深度学习框架（如 PyTorch、MindSpore）中，一个神经网络的每一层，底层本质上都是由一个个基础的数学运算组成的，这些基础运算就是算子（Operator）。常见的算子包括：

绝对值 Abs：y = |x|
加法 Add、乘法 Mul
矩阵乘法 MatMul
卷积 Conv、池化 Pooling
归约类（求和、求最大值）Reduce

所谓「开发一个算子」，就是为某个特定的硬件平台（这里是昇腾 NPU）编写高性能的底层计算实现，让上层的神经网络可以高效地调用它。

0.2 什么是 CANN 与 Ascend C

CANN（Compute Architecture for Neural Networks）是华为昇腾（Ascend）AI 处理器配套的异构计算架构，为开发者提供了一套从算子开发到模型部署的完整工具链。
Ascend C 是 CANN 提供的算子开发编程语言/编程模型，它基于 C++ 扩展，让开发者可以用贴近 C++ 的语法，直接编写运行在 NPU AI Core 上的高性能 Kernel 代码。

简单理解：Ascend C 就是「写给昇腾 NPU 的 C++」。

0.3 什么是 CANNBot

CANNBot 是一套面向 CANN 开发的智能体（AI Agent）系统，它的目标是让「开发算子」这件事从「需要深厚硬件功底的手工活」变成「用自然语言描述需求，AI 自动完成方案设计、代码编写、质量审查」的高效流程。

核心理念：让 Ascend C 算子开发触手可及。

0.4 几个高频名词速览

名词	含义
Kernel	运行在 NPU AI Core 上的核心计算代码（算子实现的核心）
Tiling	把大块数据切分成小块、分配到多个 AI Core 并行执行的策略
GM	Global Memory，全局内存（芯片外的存储）
UB	Unified Buffer，统一缓冲区（AI Core 内的片上高速存储）
L1	AI Core 内部的一级缓存/缓冲区
AI Core	NPU 上的核心计算单元，一颗芯片上通常有多个
block_dim	Tiling 中切分的核数（用多少个 AI Core 并行）
float16 / fp16	半精度浮点数，占用 2 字节
msprof / msprof op	昇腾的性能剖析工具

第 1 章　CANNBot 概述

1.1 CANNBot 是什么

CANNBot 是面向 CANN 开发的系列智能体，旨在提升开发效率。它提供可复用的 Skills（技能模块），目前已实现 Ascend C / PyPTO 算子开发全流程覆盖，未来将拓展至 CANN 更多技术领域。

几个关键数字：

20+ 个 Skills 技能模块
7 个开发阶段（标准化工作流）
3 层架构（应用编排层 / 角色执行层 / 知识能力层）

1.2 核心价值

标准化开发工作流：自动完成「方案设计 → 编写代码 → 审查质量」全流程；
可编译产出：输出包含 Kernel 和 Tiling 的、可直接编译运行的代码；
质量保障：内置代码审查、精度调试、性能验收等环节。

1.3 目标用户

CANN 社区开发者
昇腾 NPU 平台 AI 应用开发者
Ascend C / PyPTO 算子开发者
希望贡献 Skills / Agents 的社区贡献者

1.4 CANNBot 三层架构

CANNBot 采用了清晰的三层架构，自上而下分别是：

┌─────────────────────────────────────────────────┐
│  TEAMS（应用编排层）                               │
│  pypto-op-orchestrator                           │
│   ├─ ops-direct-invoke  （Ascend C Kernel 直调）  │
│   ├─ ops-registry-invoke （PyPTO 算子开发）        │
│   └─ （Ascend C 自定义算子开发流程，规划中）        │
├─────────────────────────────────────────────────┤
│  AGENTS（角色执行层）                              │
│  architect / analyst  方案设计、需求分析           │
│  developer            代码开发                    │
│  reviewer             代码检视                    │
│  perf-tuner / tester  性能调优、测试（规划中）      │
├─────────────────────────────────────────────────┤
│  SKILLS（知识能力层）                              │
│  npu-arch / tiling-design / api-best /           │
│  precision / runtime                            │
└─────────────────────────────────────────────────┘

编排层（Teams）：编排 Agents，定义开发流程和协作模式；
执行层（Agents）：绑定 Skills，执行具体的开发任务；
能力层（Skills）：提供知识能力，支撑 Agent 执行任务。

打个比方：Teams 是「项目经理」，Agents 是「分工明确的工程师团队」，Skills 是「工程师手中的工具书和知识库」。

1.5 CANNBot Skills 全景图

Skills 按用途分为几大类：

分类	Skills	说明
知识库类	`ascendc-npu-arch`、`ascendc-tiling-design`、`ascendc-api-best-practices`、`ascendc-docs-search`	NPU 架构、Tiling 设计、API 最佳实践、文档检索
调试测试类	`ascendc-precision-debug`、`ascendc-runtime-debug`、`ops-profiling`、`ops-precision-standard`	精度调试、运行时调试、性能剖析、精度标准
工程模板类	`ascendc-registry-invoke-to-direct-invoke`、`ascendc-direct-invoke-template`	工程模板与调用方式转换
测试开发类	`ascendc-st-design`、`ascendc-ut-develop`	系统测试设计、单元测试开发
工具辅助类	`ascendc-env-check`、`ascendc-code-review`、`ascendc-task-focus`、`ascendc-whitebox-design`	环境检查、代码审查、任务聚焦、白盒设计

第 2 章　环境搭建

2.1 环境要求与前置条件

硬件要求

项目	要求
昇腾 NPU 设备	Ascend 910 及后续系列产品
内存	建议 16GB 以上
存储	建议 50GB 可用空间

软件要求

项目	要求
CANN 版本	8.0.RC2 及以上
操作系统	EulerOS 2.10 / CentOS 7.6 / Ubuntu 18.04+
CLI 工具	OpenCode、Claude Code 等

环境检查清单

检查项	达标标准
NPU 设备就绪	`npu-smi info` 能正常输出
CANN 已安装	版本 ≥ 8.0.RC2
CLI 工具就绪	OpenCode / Claude Code 可正常启动
网络连接	能访问 GitCode 仓库

推荐云开发环境：CANN 社区云开发环境支持一键启动，NPU 设备、CANN 环境、OpenCode 工具等依赖均已默认安装，可大幅降低入门门槛。

2.2 安装方式一：脚本安装（推荐）

仓库提供 init.sh 初始化脚本，负责安装 Skills 技能模块、Agents 配置、asc-devkit 工具包，并生成配置文件（opencode.json / CLAUDE.md）。

方式 A：项目级安装（推荐）

配置仅对当前项目生效，适合多项目开发场景。

# 1. 克隆 CANN Skills 仓库
git clone https://gitcode.com/cann/skills.git

# 2. 进入算子直调示例目录
cd skills/ops/teams/ops-direct-invoke

# 3. 执行初始化脚本（OpenCode 用户）
bash init.sh project opencode

# 3. 执行初始化脚本（Claude 用户）
bash init.sh project claude

方式 B：全局安装

配置在用户目录下全局生效，适合单一项目开发场景。

# 1-2 步同上（克隆仓库并进入目录）

# 3. 执行初始化脚本（全局，OpenCode 用户）
bash init.sh global opencode

# Claude 用户
bash init.sh global claude

安装路径对比

安装方式	OpenCode	Claude
项目级	`.opencode/`	`.claude/`
全局	`~/.config/opencode/`	`~/.claude/`

2.3 安装方式二：手动安装

手动安装仅安装 Skills 和 Agents，适用于自定义配置场景。如果你需要灵活控制安装位置或修改配置，可以选择手动安装。注意保持符号链接的正确性，确保 CLI 工具能正确加载 Skills 和 Agents。

OpenCode 用户

# 1. 克隆 CANN Skills 仓库
git clone https://gitcode.com/cann/skills.git

# 2. 进入 skills 目录
cd skills/

# 3. 创建 .opencode 目录
mkdir -p .opencode

# 4. 创建 Skills 符号链接
ln -s ../ops/skills .opencode/skills

# 5. 创建 Agents 符号链接
ln -s ../ops/agents .opencode/agents

# 6. 复制 AGENTS.md
cp AGENTS.md .opencode/AGENTS.md

Claude 用户

# 1. 克隆 CANN Skills 仓库
git clone https://gitcode.com/cann/skills.git

# 2. 进入 skills 目录
cd skills/ops/

# 3. 创建 .claude 目录
mkdir -p .claude

# 4. 创建 Skills 符号链接
ln -s ../ops/skills .claude/skills

# 5. 创建 Agents 符号链接
ln -s ../ops/agents .claude/agents

# 6. 复制 AGENTS.md
cp AGENTS.md .claude/CLAUDE.md

2.4 环境校验与启动

目录结构校验

安装完成后，检查目录结构是否符合规范：

skills/ops/teams/ops-direct-invoke/
├── .opencode/
│   ├── skills/              # 技能模块
│   │   ├── ascendc-kernel-develop-workflow/
│   │   ├── ascendc-docs-search/
│   │   └── ...
│   ├── agents/              # 子代理
│   ├── AGENTS.md            # Agent 配置
│   └── opencode.json        # opencode 配置
├── init.sh                  # 初始化脚本
└── quickstart.md            # 快速入门文档

校验检查项

检查项	达标标准
Skills 目录存在	`.opencode/skills/` 目录不为空
Agents 目录存在	`.opencode/agents/` 目录不为空
配置文件正确	`AGENTS.md` 和 `opencode.json` 存在
CLI 能正常启动	`opencode` 命令无报错

启动 CLI 工具

在初始化完成的目录下执行以下命令启动交互界面：

# 启动 OpenCode CLI
opencode

# 启动后，输入算子开发需求
帮我开发一个 abs 算子，支持 float16...

常见问题

问题	解决方案
如何查看帮助？	`bash init.sh --help`
如何更新 Skills？	重新执行 `init.sh` 即可
安装失败怎么办？	检查 CANN 版本和网络连接

第 3 章　核心工作流

3.1 Ascend C：七阶段开发工作流

CANNBot 将算子开发过程标准化为七个阶段：

┌────┐  ┌────┐  ┌────┐  ┌────┐  ┌────┐  ┌────┐  ┌────┐
│ 1  │→ │ 2  │→ │ 3  │→ │ 4  │→ │ 5  │→ │ 6  │→ │ 7  │
│环境│  │需求│  │算子│  │验证│  │问题│  │性能│  │总结│
│检查│  │分析│  │实现│  │优化│  │处理│  │验收│  │报告│
└────┘  └────┘  └────┘  └────┘  └────┘  └────┘  └────┘

工作流三大特点：

质量控制：每个阶段完成后才能进入下一阶段，确保开发质量；
迭代优化：阶段 4–5 支持循环迭代，持续优化算子性能；
Agent 驱动：每个阶段由专门 Agent 执行，自动完成各项任务。

工作流触发：所有算子开发任务会自动加载 ascendc-kernel-develop-workflow 技能，按阶段执行。详见 AGENTS.md 配置文件。

3.2 阶段 1–2：环境检查与需求分析

阶段 1　环境检查

确保开发环境就绪：

检查项	说明
NPU 设备查询	检查 NPU 是否可用，获取设备信息
CANN 环境验证	检查 CANN 版本、环境变量配置
依赖检查	验证必要的库和工具是否安装

相关 Skill：ascendc-env-check（自动执行环境检查）。

阶段 2　需求分析

理解算子功能和要求：

分析项	说明
算子功能理解	分析算子的数学表达式和计算逻辑
数据类型确定	支持的数据类型（float16 / float32 等）
Shape 分析	输入输出 Tensor 的 Shape 范围
性能要求	吞吐量、延迟等性能指标

Agent 自动化：CANNBot 的 architect Agent 会自动分析需求，调用 ascendc-npu-arch 和 ascendc-api-best-practices Skills，生成设计方案。

3.3 阶段 3：算子实现

阶段 3 是核心，包含 Tiling 设计和 Kernel 开发两部分。

3.3.1 Tiling 设计

什么是 Tiling？

Tiling 是将大规模数据计算任务切分成小块，分配到多个 AI Core 并行执行的技术。合理的 Tiling 策略能显著提升算子性能。

Tiling 数据结构示例：

// Tiling 参数示例
struct AddTiling {
    uint32_t blockDim;   // 核数
    uint32_t tileSize;   // 块大小
    uint32_t totalSize;  // 总大小
    uint32_t splitAxis;  // 切分轴
};

Tiling 设计方法论（四步）：

分析数据特征：理解输入数据的 Shape、数据类型、访问模式；
确定切分策略：选择合适的切分维度（N/H/W/C 等）；
计算 Tiling 参数：计算 block_dim、tile_size 等参数；
Buffer 规划：合理分配 GM、UB、L1 内存。

切分策略主要有两类：

多核切分：将数据分配到多个 AI Core；
UB 切分：适配 Unified Buffer 容量。

自动 Tiling 设计：CANNBot 根据算子类型自动选择合适的 Tiling 方案：

Element-wise 算子 → 按数据块均匀切分；
Reduce 算子 → 按 Reduce 轴切分；
MatMul 算子 → 分块矩阵乘法策略。

调用 ascendc-tiling-design Skill 自动生成。

3.3.2 Kernel 开发

Kernel 代码生成：CANNBot 自动生成符合 Ascend C 规范的 Kernel 代码，包括数据搬入、计算、数据搬出三个核心步骤。

Kernel 函数结构：

// Kernel 函数结构
extern "C" __global__ __aicore__ void
abs_kernel(...) {
    // 1. 数据从 GM 搬入 UB
    DataCopy(xUB, xGM, size);

    // 2. 执行计算（Abs）
    Abs(zUB, xUB, size);

    // 3. 数据从 UB 搬出到 GM
    DataCopy(zGM, zUB, size);
}

这里的「搬入 → 计算 → 搬出」是 Ascend C Kernel 最经典的三段式结构，对应 GM（慢）→ UB（快）→ GM（慢）的数据流转。

代码生成流程（四步）：

分析需求：理解算子功能和数据特征；
选择模板：基于算子类型选择代码模板；
生成代码：填充模板生成完整 Kernel 代码；
优化调整：应用最佳实践和性能优化。

产出物结构：

ops/{operator}/
├── CMakeLists.txt
├── {operator}_kernel.asc
├── build.sh
├── run.sh
├── scripts/
├── docs/
│   ├── DESIGN.md
│   └── PLAN.md
└── tests/

代码质量保证（由 developer Agent 自动完成）：

遵循 API 最佳实践
符合 NPU 架构特性
自动内存对齐
流水线优化

3.4 阶段 4–5：验证优化与问题处理

阶段 4　验证与优化

环节	说明	相关 Skill
编译算子	使用 `build.sh` 编译生成算子二进制文件	—
运行测试	执行 `run.sh` 验证算子功能正确性	—
性能分析	使用 profiling 工具分析性能瓶颈	—

# 编译和测试
bash build.sh
bash run.sh

阶段 5　问题处理

环节	说明	相关 Skill
精度调试	对比 CPU 和 NPU 输出，定位精度问题	`ascendc-precision-debug`
运行时调试	解析错误码，排查 Kernel 挂起等问题	`ascendc-runtime-debug`
自动修复	CANNBot 自动诊断并提供修复建议	—

迭代优化：阶段 4–5 支持循环迭代，持续优化直到满足要求；
智能诊断：Agent 自动分析问题并提供解决方案。

3.5 阶段 6–7：性能验收与总结

阶段 6　性能验收

环节	说明
性能数据采集	调用 `msprof op` 采集 8 个 CSV 指标文件
性能达标判定	对照性能标准判定是否达标
瓶颈定位与优化	定位瓶颈类型并给出优化建议
最终判定	PASS / PASS WITH NOTES / FAIL

性能验收流程：调用 ops-profiling Skill → 数据归档到 perf/ 目录。

阶段 7　完成总结

环节	说明
总分与代码路径	汇总开发结果
性能概要	Task Duration、主导流水、达标状态
关键问题列表	记录开发过程中遇到的问题
文档归档	`DESIGN.md` / `PLAN.md` / `REVIEW.md` / `WALKTHROUGH.md`

第 4 章　实操演示：从 0 到 1 开发 Abs 算子

本章通过一个完整的实例，带你走完整个开发流程。

4.1 实操场景设定

算子需求

开发一个 Abs（绝对值）算子，用于计算输入张量每个元素的绝对值。这是深度学习中的基础算子，广泛应用于各种神经网络模型。

数学表达式：y = |x|
计算内容：计算输入张量的绝对值

技术要求

项目	要求
数据类型	float16
计算精度	1e-3
支持的 Shape	`[1, 128]`、`[4, 2048]`、`[32, 4096]`

输入输出示例

// 输入数据
x = [-1.5, 2.0, -3.5, 4.0]

// 输出结果
y = [1.5, 2.0, 3.5, 4.0]

开发流程预览

1. 启动 CANNBot 并输入需求
2. 自动设计方案与代码生成
3. 代码审查与质量保障
4. 编译运行与验证

预计耗时：约 1 小时。

4.2 Step 1：启动 CANNBot 并输入需求

启动 CLI 工具

在初始化完成的目录下执行 opencode 命令，启动交互式开发环境：

# 进入项目目录
cd skills/ops/teams/ops-direct-invoke

# 启动 OpenCode CLI
opencode

# 成功启动后显示
OpenCode > _

输入算子开发需求

在交互界面中输入以下算子开发需求：

帮我开发一个 abs 算子，支持 float16 数据类型，shape 主要是 [1,128]、[4,2048]、[32,4096]

需求要素解析

需求要素	取值
算子类型	Abs（绝对值）
数据类型	float16
Shape 范围	`[1,128]`、`[4,2048]`、`[32,4096]`

CANNBot 响应流程

自动加载工作流：加载 ascendc-kernel-develop-workflow；
确认需求理解：Agent 复述需求确保理解正确；
进入阶段 0：开始环境检查。

提示技巧：描述要清晰具体；明确数据类型和 Shape；可以补充性能要求。

4.3 Step 2：自动设计方案与代码生成

自动设计方案

CANNBot 的 architect Agent 自动完成 Tiling 设计和方案规划：

设计项	方案
Tiling 策略	按数据块均匀切分，适配多核并行
Buffer 规划	合理分配 GM、UB 内存空间
并行策略	利用多个 AI Core 并行计算
API 选择	使用 Ascend C 内置 Abs 高阶 API

代码生成过程

分析 Abs 算子特性（Element-wise）；
选择 Element-wise 算子代码模板；
生成 Kernel、Tiling、Host 代码；
填充 Tiling 参数和 Shape 信息。

自动生成的代码示例

// Abs Kernel 核心代码
Abs(zUB, xUB, size);

CANNBot 自动生成符合 Ascend C 规范的代码，包含完整的数据搬入、计算、数据搬出流程。

产出物结构

ops/abs/
├── CMakeLists.txt
├── abs_kernel.asc
├── build.sh
├── run.sh
├── scripts/
├── docs/
│   ├── DESIGN.md
│   └── PLAN.md
└── tests/

代码特点

符合 Ascend C 编程规范
使用高阶 API 提升性能
自动内存对齐和优化
完整的编译和运行脚本

4.4 Step 3：代码审查与质量保障

CANNBot 的 reviewer Agent 自动进行多维度代码审查，确保代码质量和性能。

5 大类别规范

类别	检查内容
代码风格	命名规范、缩进、注释
性能	内存访问、并行度、流水线
安全	内存越界、空指针检查
可维护性	模块化、可读性、可测试性
正确性	算法实现、边界条件

检视内容示例

检视项	结果
内存对齐检查（UB 内存是否 32 字节对齐）	✅ 通过
API 使用规范（是否遵循最佳实践）	✅ 通过
流水线优化（是否使用双缓冲和流水线）	✅ 通过

4.5 Step 4：编译运行与验证

编译算子

# 进入算子目录
cd ops/abs

# 执行编译脚本
bash build.sh

# 编译成功输出
[100%] Built target abs_custom

运行测试

# 执行测试脚本
bash run.sh

# 测试成功输出
[INFO] Input:  [-1.5, 2.0, -3.5, 4.0]
[INFO] Output: [1.5, 2.0, 3.5, 4.0]
[INFO] Expect: [1.5, 2.0, 3.5, 4.0]
[PASS] Test passed!

恭喜！你的第一个算子开发完成！

验证要点

✅ 功能正确性
✅ 精度达标（< 1e-3）
✅ 性能满足要求
✅ 多 Shape 支持

产出物说明

文件	说明
`docs/DESIGN.md`、`PLAN.md`	需求设计文档、开发计划
`abs_kernel.asc`	Kernel 实现代码
`test/`	测试用例代码
`build.sh` / `run.sh`	编译和运行脚本

第 5 章　常见问题与排错

5.1 安装阶段

问题	排查思路
无法克隆仓库	检查网络能否访问 GitCode，尝试配置代理
`init.sh` 执行报错	先运行 `bash init.sh --help` 查看用法，确认参数正确
CLI 无法加载 Skills	检查符号链接是否正确，目录结构是否符合规范
CANN 版本过低	升级到 8.0.RC2 及以上

5.2 环境检查阶段

问题	排查思路
`npu-smi info` 无输出	检查 NPU 驱动是否安装、设备是否就绪
环境变量缺失	确认 `source` 了 CANN 的 `set_env.sh`

5.3 开发与验证阶段

问题	排查思路
编译失败	检查 CANN 版本、头文件路径、CMake 配置
精度不达标	使用 `ascendc-precision-debug` 对比 CPU/NPU 输出定位
Kernel 挂起	使用 `ascendc-runtime-debug` 解析错误码排查
性能不达标	使用 `ops-profiling`（msprof op）定位瓶颈并优化

5.4 通用建议

需求描述要具体：明确数据类型、Shape 范围、精度和性能要求；
善用云开发环境：新手优先使用 CANN 社区云开发环境，避免环境配置踩坑；
按阶段推进：每阶段验收通过后再进入下一阶段，减少返工；
善用文档：DESIGN.md / PLAN.md / REVIEW.md / WALKTHROUGH.md 记录了完整开发过程，遇到问题先查文档。

附录　快速参考

A. 关键命令速查

# —— 安装 ——
git clone https://gitcode.com/cann/skills.git
cd skills/ops/teams/ops-direct-invoke
bash init.sh project opencode    # 项目级安装（OpenCode）
bash init.sh project claude      # 项目级安装（Claude）
bash init.sh global opencode     # 全局安装（OpenCode）

# —— 启动 ——
opencode                          # 启动 OpenCode CLI

# —— 编译与测试 ——
cd ops/abs
bash build.sh                     # 编译算子
bash run.sh                       # 运行测试

# —— 其他 ——
bash init.sh --help               # 查看帮助
npu-smi info                      # 查看 NPU 设备信息

B. 七阶段工作流一览

阶段	名称	核心任务	相关 Skill/Agent
1	环境检查	NPU/CANN/依赖就绪	`ascendc-env-check`
2	需求分析	功能、类型、Shape、性能	architect Agent
3	算子实现	Tiling 设计 + Kernel 开发	`ascendc-tiling-design`、developer Agent
4	验证优化	编译、测试、性能分析	—
5	问题处理	精度/运行时调试、自动修复	`ascendc-precision-debug`、`ascendc-runtime-debug`
6	性能验收	msprof op 采集、达标判定	`ops-profiling`
7	总结报告	汇总结果、文档归档	—

C. 关键术语表

术语	全称	含义
CANN	Compute Architecture for Neural Networks	昇腾 AI 异构计算架构
Ascend C	—	面向 NPU 的算子开发编程模型
Kernel	—	运行在 AI Core 上的核心计算代码
Tiling	—	数据切分与多核并行策略
GM	Global Memory	全局内存
UB	Unified Buffer	统一缓冲区（片上高速存储）
AI Core	—	NPU 核心计算单元
msprof	—	昇腾性能剖析工具
Element-wise	—	逐元素运算（如 Abs、Add）

D. 社区信息

项目地址：https://gitcode.com/cann/skills
社区愿景：打造开放易用、技术领先的 AI 算力新生态
社区使命：使能开发者基于 CANN 社区自主研究创新，构筑根深叶茂、跨产业协同共享共赢的 CANN 生态

本文档到此结束。现在，开始您的 CANNBot 之旅！让 Ascend C 算子开发触手可及！

鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者，聚合华为+生态”的社区，内容涵盖鲲鹏、昇腾资源，帮助开发者快速获取所需的知识、经验、软件、工具、算力，支撑开发者易学、好用、成功，成为核心开发者。

更多推荐

Ascend for PyTorch多线程多流场景下 TaskQueue卡死问题分析与解决方案

在深度学习分布式训练场景中，多线程多流并发下发算子是提升训练效率的常见手段。然而，当多个线程在不同设备（卡）上并发执行计算与通信任务时，由于各线程执行速度不一致，算子下发顺序可能出现交叉，进而引发PTA TaskQueue卡死或HCCL通信算子卡死等问题。本文基于实际开发中遇到的问题，详细分析该现象的根因，并给出有效的解决方案与最佳实践。保序原则：在多线程多流并发下发算子的场景中，务必保证算子下发

鲲鹏昇腾开发者社区

Ascend for PyTorch 通信域建链超时问题排查与解决

在多机分布式训练场景中，通信域的建立是模型训练启动的关键步骤。近期在模型拉起过程中，遇到了通信域建链耗时异常的问题，表现为建链时间远超预期，严重影响了训练任务的启动效率。本文记录了该问题的现象、排查过程及最终解决方案，供相关开发者参考。本文针对多机分布式训练中通信域建链超时的问题，从现象、官方修复、根因分析到解决方案进行了完整梳理。核心问题在于DNS配置错误导致接口反复重试，进而引发建链耗时异常。

鲲鹏昇腾开发者社区

SchNet模型在昇腾上的迁移部署实践

量子化学计算是理解分子性质和化学反应的基础，但传统第一性原理方法（如密度泛函理论）的高昂计算成本制约了大规模分子体系的研究。深度学习为量子化学提供了全新的求解范式——通过在量子化学数据上训练神经网络，以极低的计算代价实现接近量子化学精度的分子性质预测。SchNet由柏林工业大学 Müller 课题组于 2017 年发表于 NeurIPS，是连续滤波卷积神经网络（continuous-filter

鲲鹏昇腾开发者社区

所有评论(0)

查看更多评论

qq_17280559

@qq_17280559

已为社区贡献2条内容

《CANNBot 入门教程：从 0 到 1 生成你的第一个算子》笔记

qq_17280559

目录

第 0 章 阅读准备：你需要知道的基础概念

0.1 什么是「算子」（Operator）

0.2 什么是 CANN 与 Ascend C

0.3 什么是 CANNBot

0.4 几个高频名词速览

第 1 章 CANNBot 概述

1.1 CANNBot 是什么

1.2 核心价值

1.3 目标用户

1.4 CANNBot 三层架构

1.5 CANNBot Skills 全景图

第 2 章 环境搭建

2.1 环境要求与前置条件

硬件要求

软件要求

环境检查清单

2.2 安装方式一：脚本安装（推荐）

方式 A：项目级安装（推荐）

方式 B：全局安装

安装路径对比

2.3 安装方式二：手动安装

OpenCode 用户

Claude 用户

2.4 环境校验与启动

目录结构校验

校验检查项

启动 CLI 工具

常见问题

第 3 章 核心工作流

3.1 Ascend C：七阶段开发工作流

3.2 阶段 1–2：环境检查与需求分析

阶段 1 环境检查

阶段 2 需求分析

3.3 阶段 3：算子实现

3.3.1 Tiling 设计

3.3.2 Kernel 开发

3.4 阶段 4–5：验证优化与问题处理

阶段 4 验证与优化

阶段 5 问题处理

3.5 阶段 6–7：性能验收与总结

阶段 6 性能验收

阶段 7 完成总结

第 4 章 实操演示：从 0 到 1 开发 Abs 算子

4.1 实操场景设定

算子需求

技术要求

输入输出示例

开发流程预览

4.2 Step 1：启动 CANNBot 并输入需求

启动 CLI 工具

输入算子开发需求

需求要素解析

CANNBot 响应流程

4.3 Step 2：自动设计方案与代码生成

自动设计方案

代码生成过程

自动生成的代码示例

产出物结构

代码特点

4.4 Step 3：代码审查与质量保障

5 大类别规范

检视内容示例

4.5 Step 4：编译运行与验证

编译算子

运行测试

验证要点

产出物说明

第 5 章 常见问题与排错

5.1 安装阶段

5.2 环境检查阶段

5.3 开发与验证阶段

5.4 通用建议

附录 快速参考

A. 关键命令速查

B. 七阶段工作流一览

C. 关键术语表

D. 社区信息

第 0 章　阅读准备：你需要知道的基础概念

第 1 章　CANNBot 概述

第 2 章　环境搭建

第 3 章　核心工作流

阶段 1　环境检查

阶段 2　需求分析

阶段 4　验证与优化

阶段 5　问题处理

阶段 6　性能验收

阶段 7　完成总结

第 4 章　实操演示：从 0 到 1 开发 Abs 算子

第 5 章　常见问题与排错

附录　快速参考