AscendCanntoolkit是开发昇腾算子、模型的工具。提供了x86和aarch64两个版本。根据不同芯片，如910B训练卡和310推理卡，提供了不同的kernel安装包，同一芯片版本下kernel同时提供了x86和aarch64的驱动版本。Cann包的下载地址在https://www.hiascend.com/developer/download/communi

CANN简介当我们谈到香橙派AIPro的时候,总会把她和昇腾生态关联起来，因为在昇腾芯片的加持下，这款开发板有着出色的算力，被众多开发者追捧。而谈到昇腾芯片，我们不得不提上层的AI异构计算架构CANN。异构计算架构CANN（ComputeArchitectureforNeuralNetworks）是华为针对AI场

摘要：在学习AscendC算子开发进阶课程的时候，进行AscendC自定义算子工程、算子调用等实验，在开发环境中遇到了一些问题，在这里记录一下。首先如果在启智社区CANN版本为6.3，要进行AscendC算子开发，需要更新CANN版本。在CANN社区根据你的架构，比如我的为CPU架构位aarch64，所以下载Ascend-

本文分享自华为云社区《昇腾CANN7.0黑科技：大模型训练性能优化之道》，作者：昇腾CANN。目前，大模型凭借超强的学习能力，已经在搜索、推荐、智能交互、AIGC、生产流程变革、产业提效等场景表现出巨大的潜力。大模型经过海量数据的预训练，通常具有良好的通用性和泛化性。用户基于“大

前言：    我们知道昇腾AI芯片，有1个或多个AiCore，AiCore上有Cube和Vector运算单元提供给算子进行运算，有的AiCore是Cube和Vector一体的，有的Cube和Vector是分开，各自独立的。我们还记得例程中的例子一般都指定核心数BLOCK_DIM=8，这又是为什么，有啥道理呢？本文就来叭一叭，昇腾芯片的运

CUDA属于驱动层cudnn和cann属于开发层套件 创建网络模型验证模型保存模型加载->迁移学习 推理部署：模型导出，格式转换，部署与调优 开发态可以展示讲 cpu也有驱动层（对于mindspore） shengteng，kuipeng

前言： 做一个推理应用，首先从模型转换开始（当然先得选好一个合适的模型）。在昇腾平台做模型推理，需要将Caffe，TensorFlow等开源框架网络模型转换成Davinci架构专用模型（OM格式）。昇腾张量编译器（AscendTensorCompiler，简称ATC）是异构计算架构CANN体系下的模型转换工具，模型转换过程中，ATC会进

前言：基于新款开发者套件Atlas200IDKA2的智能小车，采用人工智能的方法，对摄像头采集到实时影像进行推理，产生电机等运动机构的控制指令，在特定环境里，实现自动行驶、自动泊车、目标跟踪等功能。昇腾官方开源了“玩”小车的全部软、硬件资料，还准备了模拟环境，让还没有小车的小伙伴体验自

前言：        本文是环境搭建的第一篇笔记。主要包括下面两方面内容：    1、在华为云上创建ECS服务器，并修改Ubuntu源和pip源为国内镜像地址。        2、为了更好的使用ECS，需要在本地安装远程连接和查看代码的工具软件，以Windows为例介绍几个常用的工具软件。

前言：CANN训练营的Ascend C算子课程，以在线课程的方式提供了一个沙箱实验环境。这将有助于帮助开发者了解Ascend C算子开发的软、硬件环境；熟悉自定义AscendC算子的开发流程和关键代码；同时也可以了解到自定义算子包的部署路径及部署后的各类文件。在线试验地址：在线实验>基于昇腾CA

初识新一代开发者套件Atlas200IDKA2之模型适配工具模型适配工具是一款集成数据集管理、模型训练、模型打包为一体的开发者工具套件。通过此工具，可以降低开发者在模型开发过程中对AI专业知识、深度学习框架的学习成本，极大降低开发的难度、复杂度。1.功能介绍工具预置了4个典型模

昇腾AI入门课（PyTorch）之模型迁移将基于PyTorch的训练脚本迁移到昇腾AI处理器上进行训练，目前有以下3种方式：自动迁移（推荐）、工具迁移、手工迁移，且迁移前要保证该脚本能在GPU、CPU上运行。自动迁移：训练时，在训练脚本中导入脚本转换库，导入后执行训练。训练脚本在运行的同时，会将脚本中的CUD

图片googlenet分类样例首先在华为云上购买一台弹性云服务器，远程登陆到服务器上。#修改HwHiAiUser的shell为bashvim/etc/passwd切换为HwHiAiUser用户su-HwHiAiUser下载sample样例库gitclonehttps://gitee.com/ascend/samples.git获取此应用中所需要的原始网络模型#进入模型

昇腾AI入门课（TensorFlow）之模型迁移将TensorFlow网络模型迁移到异腾Al处理器执行训练，主要有两种方式：自动迁移方式。通过迁移工具对原始脚本进行AST语法树扫描，可自动分析原生的TensorFlowAPI在异腾AI处理器上的支持度，并将原始的TensorFlowi训练脚本迁移成异腾Al处理器支持的脚本，对于

前言：TIKC++，2023年CANN的一个神奇魔法，得益于TIKC++算子的孪生调试技术，我们可以了解到更多的技术细节，本文试图对隐藏在多核并行，流水计算、dobulebuffer背后的CANNAscendC算子魔法进行摸索和理解，是什么样的技术让用户编写的简单代码可以先实现上述神奇的功能。本文没有请专业人士

应用开发深入讲解之AIPPAIPP(ArtificialIntelligencePre-Processing)人工智能预处理，在AlCore上完成数据预处理。动态&静态AIPP分为静态AIPP和动态AIPP两种，对比如下：2.抠图&填充AIPP改变图片尺寸需要遵守如下图中的顺序，即先Crop再Padding,每个操作仅能执行一次。3.色域转换在执行R

应用开发深入讲解之模型转换工具1.基本概念昇腾张量编译器（AscendTensorCompiler，简称ATC）是异构计算架构CANN体系下的模型转换工具，它可以将开源框架的网络模型或AscendIR定义的单算子描述文件（json格式）转换为昇腾AI处理器支持的.om格式离线模型。模型转换过程中，ATC会进行算子调度

应用开发深入讲解之模型离线推理模型离线推理是指使用已经转好的om模型对输入图片进行推理，主要步骤如下图所示：1.Host&Device内存管理与数据传输Host&Device上的内存申请与释放，内存间的相互拷贝。代码中加载输入数据时，需要申请Host内存进行存储，当输入数据处理完毕后，需要将处理完成的

应用开发深入讲解之DVPP1.基本概念昇腾Al处理器内置图像处理单元DVPP(DigitalVideoPre-Processor)，提供强大的媒体处理硬加速能力。主要功能模块有：2.常见接口a.内存申请与释放b.通道创建与释放c.图片描述信息创建与销毁d.图片描述参数设置3.JPEGD图片解码4.VPC视觉预处理

基于Atlas200IDKA2的智能小车结构设计和控制原理一、结构设计基本原则从零开始设计并搭建智能小车，在满足外观要求的基础上，要满足小车运转过程中的运动干涉率为0，并且需要考虑实际安装时的易用性与可行性，以及智能小车的重心位置的控制等。主要模块前中后外壳结构支撑模块。TT减速

基于Atlas200IDKA2的智能小车功能实现一、地图绘制小车的行驶依赖于模型的训练，因此需要设计一张地图，用于小车行驶的模型训练过程和推理结果验证。开发者可以根据需要使用PhotoShop软件绘制不同的图层，使用可以使小车正常转弯和停车的尺寸，得到场景地图并打印。二、手动控制小车烧

前言：AscendC算子（TIKC++）使用C/C++作为前端开发语言，通过四层接口抽象、并行编程范式、孪生调试等技术，极大提高算子开发效率，助力AI开发者低成本完成算子开发和模型调优部署。学习完理论后，上代码，通过实践理解AscendC算子的概念，掌握开发流程，以及内核调用符方式的调试方法。一、算子分

前言：在CANN训练营提供的华为云镜像环境，通过miniconda安装pytorch和Tensorflow框架。在模型迁移前准备阶段，可以用来在CPU上对模型训练进行验证。本文描述了安装过程，更换国内conda源、并分别下载例程，在Pytorch和Tensorflow框架下进行了CPU训练。还介绍了在Pytorch、Tensorflow虚拟环

1.在AscendCL中，关于媒体数据处理V1版本中的内存申请/释放接口acldvppMalloc/acldvppFree：该接口主要用于分配内存给Device侧媒体数据处理时使用，申请的大页内存满足数据处理的要求（例如，内存首地址128字节对齐）。调用该接口申请内存后，如果内存不使用，需及时调用acldvppFree接口释放内存频

【2023·CANN训练营第一季】TIKC++算子开发入门笔记TIKC++介绍TIKC++是一种使用C/C++作为前端语言的算子开发工具，通过四层接口抽象、并行编程范式、孪生调试等技术，极大提高算子开发效率，助力AI开发者低成本完成算子开发和模型调优部署使用TIKC++开发自定义算子的优势：•C/C++原