DeepSeek 系列模型自发布以来，凭借其卓越的推理能力和极具竞争力的性价比，迅速成为大模型落地部署的热门选择。DeepSeek-V2、DeepSeek-V3 等模型采用 MoE（Mixture of Experts）架构，在保持模型总参数量庞大的同时，每个 token 仅激活部分专家网络，实现了推理成本的大幅降低

如果你也在考虑学习仓颉，我想说：别犹豫，从Hello World开始，每天进步一点点，三个月后你会感谢现在的自己。 💪✨

DeepSeek 系列模型自发布以来，凭借其卓越的推理能力和极具竞争力的性价比，迅速成为大模型落地部署的热门选择。DeepSeek-V2、DeepSeek-V3 等模型采用 MoE（Mixture of Experts）架构，在保持模型总参数量庞大的同时，每个 token 仅激活部分专家网络，实现了推理成本的大幅降低

摘要 ops-nn是昇腾异构计算架构(CANN)中的核心神经网络算子库，为深度学习模型提供基础算子实现。作为昇腾AI计算栈的"地基工程"，ops-nn位于算子库层(AOL)，与catlass协同工作，共同支撑上层框架和应用。 ops-nn包含卷积、矩阵运算、归一化、激活函数等深度学习常用算子的高性能实现，针对昇腾达芬奇架构进行了深度优化，充分利用立方体单元、向量单元等硬件特性。其核心能力包括算子融

摘要 ops-nn是昇腾异构计算架构(CANN)中的核心神经网络算子库，为深度学习模型提供基础算子实现。作为昇腾AI计算栈的"地基工程"，ops-nn位于算子库层(AOL)，与catlass协同工作，共同支撑上层框架和应用。 ops-nn包含卷积、矩阵运算、归一化、激活函数等深度学习常用算子的高性能实现，针对昇腾达芬奇架构进行了深度优化，充分利用立方体单元、向量单元等硬件特性。其核心能力包括算子融

摘要 ops-nn是昇腾异构计算架构(CANN)中的核心神经网络算子库，为深度学习模型提供基础算子实现。作为昇腾AI计算栈的"地基工程"，ops-nn位于算子库层(AOL)，与catlass协同工作，共同支撑上层框架和应用。 ops-nn包含卷积、矩阵运算、归一化、激活函数等深度学习常用算子的高性能实现，针对昇腾达芬奇架构进行了深度优化，充分利用立方体单元、向量单元等硬件特性。其核心能力包括算子融

本文探讨了昇腾NPU专用数学算子库ops-math的设计理念与实现策略。针对NumPy在NPU硬件上的适配问题，ops-math采用模块化架构，将算子分为conversion（形态变换）、math（数学运算）和random（随机生成）三大类。其中，Cast算子通过分块搬运和向量指令实现高效类型转换；Exp算子采用范围缩减和多项式近似确保计算精度；随机数生成则针对NPU特性优化。这种分层设计解决了编

本文探讨了昇腾NPU专用数学算子库ops-math的设计理念与实现策略。针对NumPy在NPU硬件上的适配问题，ops-math采用模块化架构，将算子分为conversion（形态变换）、math（数学运算）和random（随机生成）三大类。其中，Cast算子通过分块搬运和向量指令实现高效类型转换；Exp算子采用范围缩减和多项式近似确保计算精度；随机数生成则针对NPU特性优化。这种分层设计解决了编

本文探讨了昇腾NPU专用数学算子库ops-math的设计理念与实现策略。针对NumPy在NPU硬件上的适配问题，ops-math采用模块化架构，将算子分为conversion（形态变换）、math（数学运算）和random（随机生成）三大类。其中，Cast算子通过分块搬运和向量指令实现高效类型转换；Exp算子采用范围缩减和多项式近似确保计算精度；随机数生成则针对NPU特性优化。这种分层设计解决了编

本文介绍了昇腾NPU上的算子自动融合框架graph-autofusion，它通过自动发现融合机会和SuperKernel技术，解决了手动融合算子时工作量大的问题。该框架包含Autofuse和SuperKernel两个核心组件，能够自动分析算子间的数据依赖和硬件亲和性，将多个算子编译成单一Kernel执行，避免了中间结果的频繁读写。其JIT编译流程分为五个阶段：输入算子序列、自动融合分析、代码生成、