第一次跑 Llama-3-70B 分布式训练时，遇到：8张NPU利用率只有35%，通信时间占了60%。。按照建议优化后，训练速度提升了2.8倍。

工具先行：DevTools 是诊断的起点；UI 优化：const + RepaintBoundary + 减少 rebuild；列表与图片：固定高度、缓存、预加载；内存安全：及时释放 Stream/Timer；启动加速：延迟初始化 + 代码分割。性能优化不是一次性任务，而是持续迭代的过程。建议在每个 Sprint 结束时进行性能回归测试。

之前帮一个团队做 PaddlePaddle 模型迁移，他们用的是 PP-YOLOe 做目标检测，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PaddlePaddle 的算子映射成昇腾CANN 的算子。

之前帮一个团队做 PaddlePaddle 模型迁移，他们用的是 PP-YOLOe 做目标检测，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PaddlePaddle 的算子映射成昇腾CANN 的算子。

之前帮一个团队做 PaddlePaddle 模型迁移，他们用的是 PP-YOLOe 做目标检测，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PaddlePaddle 的算子映射成昇腾CANN 的算子。

之前帮一个团队做 PyTorch 模型迁移，他们用的是 BERT-Large 做文本分类，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PyTorch 的算子映射成昇腾CANN 的算子。

之前帮一个团队做 PyTorch 模型迁移，他们用的是 BERT-Large 做文本分类，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PyTorch 的算子映射成昇腾CANN 的算子。

之前帮一个团队做 PyTorch 模型迁移，他们用的是 BERT-Large 做文本分类，在 GPU 上跑得好好的，换成昇腾NPU 后直接报了一堆算子不支持的错误。，把 PyTorch 的算子映射成昇腾CANN 的算子。

第一次看 GE（Graph Engine）的源码，最让我震撼的是：100+ 优化Pass，各种算子融合、内存复用、并行策略，光是配置文件就看得头晕。，负责把深度学习框架的计算图，优化成能在昇腾NPU上高效执行的图。

第一次看 GE（Graph Engine）的源码，最让我震撼的是：100+ 优化Pass，各种算子融合、内存复用、并行策略，光是配置文件就看得头晕。，负责把深度学习框架的计算图，优化成能在昇腾NPU上高效执行的图。