前言    哈喽哈喽，这里是zyll~,北浊.（大家可以亲切的呼唤我叫小北）智慧龙阁的创始人，一个在大数据和全站领域不断深耕的技术创作者。今天，我想和大家分享一些关于华为昇腾CANN训练营以及AI技术创新的最新资讯和实践经验~（初级证书还没拿到的小伙伴，可以先参考小北的这篇技术博

当你在安装帝国CMS时遇到“Cann'tconnecttoDB!”的问题，这通常意味着PHP脚本无法连接到数据库。这种情况可能是由多种因素引起的，包括数据库服务未运行、数据库配置错误、网络问题等。解决方法1.检查数据库服务状态确认MySQL服务是否运行如果是在本地开发环境中，检查是否

该最新的镜像版本为预装了CANN的7.0R1版本的CANN在MIndspore官网进行了相对应的CANN和MIndspore的版本相关匹配从图中可以看出来7.0仅仅支持Ascend的910而我们的Atlas200IDKA2处理器为Ascend310因此7.0的CANN明显不符合我们的型号于是我决定选择进行降低CANN的版本进

摘要：Host调度模式下，GE将模型中算子的执行单元划分为HostCPU执行与Device（昇腾AI处理器）执行两大类。本文分享自华为云社区《深度解读昇腾CANN小shape算子计算优化技术，进一步减少调度开销》，作者：昇腾CANN。GE（GraphEngine）将模型的调度分为Host调度与下沉调度两种模式。经过上期的介

1、 驱动安装1.1驱动测试输入测试命令：npu-smiinfo 结果如下： 1.2Ascend驱动未安装请参考Ascend驱动的安装文档，进行安装对应显卡的驱动，文档链接如下：https://support.huawei.com/enterprise/zh/doc/EDOC1100368783/2645a51f 2、 Ascend 深度学习套

本文分享自华为云社区《深度解读昇腾CANN模型下沉技术，提升模型调度性能》，作者：昇腾CANN。AI模型的运行通常情况下需要CPU和NPU（昇腾AI处理器）等AI专用处理器协同工作，CPU所在位置称为主机端（Host），而NPU所在位置称为设备端（Device）。对于采用Host调度的AI模型来说，Host下发Task的时序和Devi

本文分享自华为云社区《深度解读昇腾CANN内存复用技术，降低网络内存占用》，作者：昇腾CANN。随着大模型的兴起，神经网络规模不断扩大，对内存资源的消耗也越来越高，如何降低AI算法的内存占用成为AI计算领域降成本提性能的一个重要手段。当前降低AI算法内存占用的主要技术有内存复用（Memor

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