对于tensor前n个数据计算接口，firstMaxRepeat为count/elementsPerRepeat，比如在half类型下firstMaxRepeat就是count/128，在float类型下为count/64，按需填入，对于count<elementsPerRepeat的场景，firstMaxRepeat就是1。首先注意到api的调用，分为高维切分模式和指定数量模式，两种模式的计算是

第一个算子是AddcMul，经过测试，发现该算子不能正确的实现广播操作，在多个维度上进行广播时无法成功，参考。实现的广播操作可以正确的完成。

本文不介绍如何获得算子代金券，积极参加社区活动很容易获得。首先是参考官方提供的一个，文中用的镜像源的CANN版本是7.0.RC1,该版本无法适配最新的算子开发示例，也无法适配算子开发课程的8.0.RC2版本，因此需要升级。首先下载开发套件的run包，网址其余的安装依赖无需安装，python版本是合适的。

上面issue有人提问是否有riscv的支持，回复是说如果pytorch支持了那么vllm应该可以直接支持。这个issue提到有人想为vllm提供riscv贡献。这个稍早的PR提供的是RVV支持，但是还在拉扯中。这个PR提供的是Riscv的标量支持，已经合入。

现有版本(v2.17.4）存在一个问题，点击保存按钮之后只会发送一条测试消息，但此时青龙面板中部署的代码仍然不能正确发送通知，查询代码之后发现需要通过配置名为FSKEY的环境变量，才能正确启动发送逻辑。生成的webhook可以通过post请求将内容转发到对应的群聊中，这一点与直接使用飞书创建机器人编写Event的方法不同，不需要一台可以公网访问的服务器，也即将服务器部署在局域网中即可。接上篇文章，

常用的pytorch计算环境是包含GPU在内的异构计算环境，因此内存的计算分为CPU内存的计算和GPU内存的计算。

（注意此处是需要添加消息的账号，例如我有一个账号A，但是常用账号是B，这样最终效果就是在保持B账号登录的情况下如果账号A收到了新消息，账号B就会收到机器人的消息提醒。事情的起因是飞书中不同的账号不能同时登录，虽然可以在飞书的账号切换页面看到其他账号下是否有消息提醒（小红点），但是无法实现提醒功能，很不优雅，因此本文尝试提出一种新的方式实现不同账号之间的提醒功能共享。经过调查发现，飞书中可以通过自定

可以从这个角度来区分：Strong Scaling在扩展时是壮壮的，即使增加负载，也不需要调整机器。Weak Scaling在扩展时是弱弱的，如果要增加负载，也要同步增加机器。Weak的目的是为了保证当前的负载均衡性一致的情况下比较不同数量机器的并行效果。Strong的目的是为了知道当前的机器所能够提供的最大并行能力。

比如算子开发文档中推荐的python版本是3.7.5，比较老，使用清华源无法安装。把最后的conda activate jupyter改成下面两行。这样python --version的信息就是3.7.5.，如果python的版本比较老的话不推荐使用清华源。之后就是比较重要的，修改~/.bashrc。首先，切换conda的源，可以参考这篇。

比如算子开发文档中推荐的python版本是3.7.5，比较老，使用清华源无法安装。把最后的conda activate jupyter改成下面两行。这样python --version的信息就是3.7.5.，如果python的版本比较老的话不推荐使用清华源。之后就是比较重要的，修改~/.bashrc。首先，切换conda的源，可以参考这篇。