--- title: 软件试用-CANN体验第一期（定邀）-昇腾社区 description: 获取最新最热的开发者活动信息，与昇腾技术专家一起体验最前沿的技术分享 keywords: 软件试用,CANN,体验第一期,定邀,昇腾社区,Ascend,算子开发任务,温馨提示 url: https://www.hiascend.com/developer/activities/details/964aff9a282f4ebe837bc0991da06560 section: (其他) --- # 软件试用-CANN体验第一期（定邀）-昇腾社区 URL: https://www.hiascend.com/developer/activities/details/964aff9a282f4ebe837bc0991da06560 描述: 获取最新最热的开发者活动信息，与昇腾技术专家一起体验最前沿的技术分享 关键词: 软件试用,CANN,体验第一期,定邀,昇腾社区,Ascend,算子开发任务,温馨提示 其他社区活动 [了解详情](https://www.hiascend.com/activities) 软件试用-CANN体验第一期（定邀） ...已结束 软件试用-CANN体验第一期（定邀）已结束 2025/05/20 00:00-2025/05/30 23:59 一、基础信息 二、活动流程 三、活动规则 四、活动内容详解 一、基础信息 二、活动流程 三、活动规则 四、活动内容详解 一、基础信息 活动名称：软件试用-CANN体验第一期（定邀） 活动简介：本次软件试用主要针对CANN部署安装、算子开发、模型迁移三个方面软件试用 活动起止时间：2025年05月20日 - 2025年05月30日 报名起止时间：2025年05月20日 - 2025年05月30日 二、活动流程 1. 目标用户： ·    本次活动面向定邀开发者 ·    参与者需具备算子开发、模型迁移相关经验 ·    建议具有算子开发经验者参与 2. 报名活动：点击【立即报名】，填写信息完成报名 3. 审核流程： 需要审核：我们将在提交后1个工作日内完成审核 4. 完成试用任务： ·    按照指引文档完成3个核心功能试用 ·    记录体验过程中发现的问题和改进建议 5. 提交反馈赢积分： ·    通过问卷链接提交问题反馈和改进建议 ·    工作人员将根据反馈价值计算积分 6. 发放奖金： ·    活动结束后按照个人积分排名 ·    根据排名发放奖金 三、活动规则 试用任务： 1.  具体任务1：CANN部署易用性 2.  具体任务2：算子开发 3.  具体任务3：模型迁移 问题反馈与改进建议： 问卷填写链接： · 算子开发：https://www.wjx.cn/vm/hjAyuMr.aspx# [了解详情](https://www.wjx.cn/vm/hjAyuMr.aspx#)· 模型迁移：https://www.wjx.cn/vm/tKJCq0p.aspx# [了解详情](https://www.wjx.cn/vm/tKJCq0p.aspx#) 积分评定标准： | 问题价值 | 评定标准 | 积分 | | --- | --- | ---| | 高 | 典型且紧急，有广泛代表意义，对产品改进贡献大 | 10 | | 中 | 重要问题，有一般代表意义，对产品改进贡献较大 | 5 | | 低 | 一般问题，存在一定个例，暂不被版本采纳 | 1 | | 极低 | 重复问题/无效问题/问题无法给产品带来改进 | 0 | 活动奖励： 活动结束后按照个人积分排名 o  第1名：一等奖现金奖励 o  第2名：二等奖现金奖励 o  第3名：三等奖现金奖励 具体奖励标准将根据活动实际情况最终，我们将在3个月内依次完成内部评审、结果公示和奖金发放，届时将通过邮件通知获奖者 四、活动内容详解 # Ascend C算子开发任务书 ## 温馨提示 所有任务需要独立完成 阻塞任务可以求助，工作人员判断是否需要自行解决，原则：网络、代理、源等任务无关问题，工作人员辅助解决，任务相关问题用户自行解决，阻塞耗时超过0.5h，工作人员辅助解决信息安全：禁止任何数据到公网， ## 任务：Ascend C算子开发--基于高阶API 任务目标：根据任务要求，独立在容器中完成给定算子开发任务，精度性能通过。算子选取： | 算子名称 | 算子类别 | | --- | ---| | OneHot | 数学计算 | | Split | 张量变换 | 任务步骤： 1. 根据指导登陆远程服务器，使用分配环境进行开发 2. 自行选取算子样例，按照开源仓库指导进行，跑通算子仓样例 3. 基于算子原理，参考Ascend C高阶API和相似样例，完成算子设计 4. 参考Ascend C高阶API仓或samples仓的样例，按照算子开发流程，使用算子开发工具，实现代码实现步骤 5. 完成算子功能调试（开发过程中的功能问题可以参考开发指南，或者使用MindStudio异常检测工具辅助解决），精度验证通过 6. 完成算子性能调试（开发过程定位性能问题，可使用MindStudio性能调优工具，性能调优指南定位及解决），性能达成要求且精度正确 7. 基于Ascend C算子开发指南和开源仓库指导，完成算子入网适配，可通过pytorch调用到开发算子，且性能、精度验证通过 算子开发流程示意图： 算子开发过程记录表： | 阶段 | 实际用时（小时） | | --- | ---| | 跑通样例 | | | 算子设计 | | | 代码实现 | | | 功能调试 | | | 性能调试 | | | 算子适配 | | 关键问题记录表： | 问题阶段 | 问题组件 | 问题详情 | 解决时长（小时） | | --- | --- | --- | ---| | …… | | | | | …… | | | | 算子仓样例：https://gitee.com/ascend/cann-ops/tree/master [了解详情](https://gitee.com/ascend/cann-ops/tree/master)Ascend C算子开发指南：https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/developmentguide/opdevg/Ascendcopdevg/atlas_ascendc_10_0001.html [了解详情](https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/developmentguide/opdevg/Ascendcopdevg/atlas_ascendc_10_0001.html)Ascend C算子开发API接口链接：https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/apiref/ascendcopapi/atlasascendc_api_07_0003.html [了解详情](https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/apiref/ascendcopapi/atlasascendc_api_07_0003.html)算子开发工具：https://www.hiascend.com/document/detail/zh/mindstudio/80RC1/ODtools/Operatordevelopmenttools/atlasopdev_16_0002.html [了解详情](https://www.hiascend.com/document/detail/zh/mindstudio/80RC1/ODtools/Operatordevelopmenttools/atlasopdev_16_0002.html)异常检测工具：https://www.hiascend.com/document/detail/zh/mindstudio/80RC1/ODtools/Operatordevelopmenttools/atlasopdev_16_0039.html [了解详情](https://www.hiascend.com/document/detail/zh/mindstudio/80RC1/ODtools/Operatordevelopmenttools/atlasopdev_16_0039.html)性能分析优化指南：https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/developmentguide/opdevg/ascendcbestP/atlas_ascendc_best_practices_10_0001.html [了解详情](https://www.hiascend.com/document/detail/zh/canncommercial/81RC1/developmentguide/opdevg/ascendcbestP/atlas_ascendc_best_practices_10_0001.html) # 大模型训练迁移和精度性能调优任务书 ## 温馨提示 所有任务需要独立完成阻塞任务可以求助，工作人员判断是否需要自行解决，原则：网络、代理、源等任务无关问题，工作人员辅助解决，任务相关问题用户自行解决，阻塞耗时超过0.5h，工作人员辅助解决信息安全：不允许对便携机拍照，禁止任何数据到公网 ## 模型迁移以下模型仓中任选一个模型： https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0006.html [了解详情](https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0006.html) ## 任务一：大模型迁移适配 任务目标：根据任务要求，独立完成给定大模型迁移和精度调试任务 大模型迁移 1. 根据指导登陆远程服务器，进入分配环境； 2. 参考模型的github开源链接，完成依赖包的安装 3. 根据指导文档“昇腾社区->PyTorch训练模型迁移调优->迁移分析，模型迁移”，完成大模型迁移，链接如下：https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0003.html [了解详情](https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0003.html) 4. 成功拉起大模型微调任务，模型训练loss正常下降，即为任务阶段一结束，记录耗时和模型性能和loss数据； ## 任务二：大模型精度调试和性能调优 任务目标：运用迁移调优指南中提供的调优方法和工具，针对模型进行精度调试，性能调优 子任务一：精度调试1、根据任务一模型的github开源链接，拉起GPU微调任务，模型运行5000步，记录每步loss和性能数据2、运用精度调试工具，完成NPU上精度问题定位，工具参考链接如下：https://gitee.com/ascend/mstt/tree/master/debug/accuracy_tools/msprobe [了解详情](https://gitee.com/ascend/mstt/tree/master/debug/accuracy_tools/msprobe)通过工具指导修复NPU任务精度问题，精度要求loss与GPU的平均绝对误差<= 0.01~0.02或 平均相对误差 <= 1% 子任务二：性能数据采集分析1、查阅社区指导文档“昇腾社区->PyTorch训练模型迁移调优->性能调优”，链接如下：https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0003.html [了解详情](https://www.hiascend.com/document/detail/zh/Pytorch/700/ptmoddevg/trainingmigrguide/PT_LMTMOG_0003.html)2、通过“性能调优->性能概述->性能调优工具介绍”，使用调优工具，采集并解析性能数据，完成分析 3、根据Profiling结果，参考指导手册，找到耗时最长的一些算子或阶段 子任务三：模型性能调优1、根据子任务二中链接中给的调优案例，对耗时久的阶段进行优化，性能达到GPU的0.8倍及以上视为性能达标 迁移过程记录表： | 模型名称 | 模型迁移(H) | 精度问题定位(H) | 精度问题解决（H） | 性能采集（H） | 性能优化（H） | | --- | --- | --- | --- | --- | ---| | …… | | | | | | | …… | | | | | |