- 综合排序
- 最热优先
- 最新优先
CANN 编译器深度解析（一）：从 ONNX 到 CANN IR 的图优化全流程
CANN 编译器深度解析（一）：从 ONNX 到 CANN IR 的图优化全流程 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 当你运行： atc --model =resnet50.onnx --output=resnet50_cann 几秒后，一个高性能 .om 文件诞生。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
23710编辑于 2026-02-09CANN：迈向 AI 原生计算的新范式
相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、为什么需要“AI 原生”架构？ 二、CANN 的“垂直整合”四层模型 CANN 并非单一组件，而是一个端到端协同系统，可划分为四个紧密耦合的层级： 1. 三、典型案例：Transformer 的 CANN 优化路径 以标准 Transformer Encoder 为例，看 CANN 如何层层优化： 组件 传统执行方式 CANN 优化方式 LayerNorm 四、CANN 不只是加速器，更是“AI 操作系统” 更深远的意义在于：CANN 正在演变为AI 时代的操作系统抽象层。 而 CANN，正在这条路上坚定前行。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
26010编辑于 2026-02-09- 来自专栏繁依Fanyi 的专栏
OrangePi 安装 CANN 套件及体验 AI 应用
CANN 环境安装（桌面端跳过） CANN 环境存在于下载页面的官方工具中，点击下载即可进入下载页面。 CANN 安装包就在倒数第二项，下载后传到开发板上。 给 CANN 安装包赋予运行权限并运行即可。 chmod +x Ascend-cann-toolkit_7.0.0_linux-aarch64.run . /Ascend-cann-toolkit_7.0.0_linux-aarch64.run 注意 OpenGauss 与 Ubuntu 桌面端的系统都是已经安装过 CANN 的，只有 minimal 是需要安装的 通过这些 Demo，您可以体验到 CANN 平台在 AI 应用中的强大功能。希望宝子们能通过这些示例快速上手并应用于实际项目中。
57810编辑于 2024-06-06 CANN 实战：构建高并发智能视频分析系统
相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、系统架构概览 [RTSP 视频流] ↓ [FFmpeg 解码] → [帧队列] ↓ [CANN 预处理引擎] → [归一化 + Resize + HWC→CHW] ↓ [CANN 推理引擎] → [YOLOv8 + OSNet + ST-GCN] ↓ [ 二、关键挑战与 CANN 应对策略 挑战 CANN 解决方案 多路解码 CPU 占用高 使用硬件编解码器（VDEC），释放 CPU 预处理成为瓶颈 CANN 提供 DVPP（Device Vision ("yolov8", "yolov8_cann.om") pipe.add_model("osnet", "osnet_cann.om") pipe.add_model("stgcn", "stgcn_cann.om 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
28410编辑于 2026-02-09从CANN到Canvas：AI绘画加速实战与源码解析
目录标题 引言 一、CANN在AIGC领域的技术价值 二、AI绘画加速系统架构设计 核心模块功能说明： 三、CANN优化关键代码实现 3.1 模型加载与CANN优化 3.2 扩散模型CANN优化实现 3.3 cann组织链接 ops-nn仓库链接 一、CANN在AIGC领域的技术价值 在AIGC应用井喷的当下，模型推理速度已成为用户体验的关键瓶颈。 优化 扩散模型：核心生成模块，50步采样+CANN算子融合优化 图像解码器：将隐空间特征解码为RGB图像，VAE模型+CANN内存复用 三、CANN优化关键代码实现 3.1 模型加载与CANN优化 import 优化推理 start_time = time.time() cann_output = cann_model.generate(**case) cann_time 工具包 wget https://mirrors.huaweicloud.com/ascend/cann/7.0.0/... tar -xzf cann*.tar.gz cd cann && .
11710编辑于 2026-05-06守护智能边界：CANN 的 AI 安全机制深度解析
守护智能边界：CANN 的 AI 安全机制深度解析 当一个 AI 模型被部署到边缘设备或第三方服务器时，它就不再“安全”。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、安全架构全景图 CANN 的安全能力可划分为四个层级： [应用层] → 模型加密 + API 访问控制 模型加密与授权加载 CANN 支持对编译后的 .om 模型文件进行 AES-256 加密，并绑定设备指纹或授权证书。 定期轮换密钥 通过 CANN 的密钥管理服务（KMS）集成，实现自动化轮换。 CANN 通过硬件可信根 + 软件纵深防御，为 AI 应用构筑了一道看不见却坚不可摧的防线。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
29010编辑于 2026-02-09为更好与英伟达CUDA竞争，华为CANN全面开源
8月5日，在北京召开的昇腾计算产业发展峰会上，华为轮值董事长徐直军宣布，华为CANN Mind系列应用套件及工具链全面开源，支持用户自主的深度挖潜和自定义开发，加速广大开发者的创新步伐，让昇腾更好用、更易用 CANN全称为“Compute Architecture for Neural Networks”，是华为主导的神经网络异构计算架构，它是把上层AI训练框架（如PyTorch、TensorFlow、MindSpore 但是，CANN并未得到行业的广泛的支持，远不及英伟达的CUDA。此番华为开源CANN，将有助于加速开发者创新并改善昇腾AI芯片的可用性。 华为表示，来自AI领军企业、伙伴、高校与科研机构的代表共同探讨了如何更好地构建开源开放的昇腾生态，共同发起了《CANN开源开放生态共建倡议》，以凝聚产业力量，共探AI边界，共建昇腾生态。 华为此次将CANN 开源，有望加速推动其昇腾AI芯片的市场采用率。不过CANN 要追上已有18年历史、并持续更新至今的英伟达CUDA，可能仍需很长的时间。 编辑：芯智讯-浪客剑
61510编辑于 2026-03-20CANN 实战：自然语言处理（NLP）全链路加速指南
CANN 实战：自然语言处理（NLP）全链路加速指南 在 AI 应用中，如果说计算机视觉是“看懂世界”，那么自然语言处理（NLP）就是“理解人类”。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、典型 NLP Pipeline 与瓶颈分析 标准 NLP 推理流程： [原始文本] ↓ [分词（Tokenizer CANN 针对每一环节提供优化。 二、CANN 的 NLP 专属优化技术 1. 四、性能对比：CANN vs 通用方案 模型 平台 延迟（ms） 吞吐（QPS） 显存（MB） XLM-RoBERTa CANN (FP16) 98 215 1,020 XLM-RoBERTa TensorRT 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
17110编辑于 2026-02-09CANN 技术全景图：构建自主可控的 AI 全栈底座
CANN 技术全景图：构建自主可控的 AI 全栈底座 在“算力自主”成为国家战略的今天，一个完整的 AI 软件栈必须回答三个问题： 能否高效利用国产芯片？（硬件亲和） 能否支撑前沿算法演进？ 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、CANN 全栈架构五层模型 每一层都承担关键职责，共同构成“训推一体、云边协同”的 AI 底座。 三、CANN 的差异化优势 维度 通用 GPU 方案 CANN 方案 全栈可控 驱动/编译器闭源 从芯片到应用全自研 能效比 高性能但高功耗 同性能下功耗低 30~50% 边缘部署 依赖 Jetson 结语：全栈之力，方成自主之基 CANN 的意义，远不止于“一个推理引擎”。它代表了一种系统性思维——从晶体管到行业应用，每一层都为 AI 而生，每一环都可自主演进。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
37210编辑于 2026-02-09深入理解 CANN：为 AI 量身打造的异构计算架构
cann组织链接：https://atomgit.com/cann ops-nn仓库链接：https://atomgit.com/cann/ops-nn 什么是 CANN？ CANN 可自动将它们融合为一个复合算子。 但在 CANN 支持的后端（如通过 ONNX 导出 + CANN Runtime 加载），这三个操作会被自动融合为一个高效算子，无需修改模型代码！ 开发者无需手动重写模型，只需在部署阶段启用 CANN 的图优化引擎，即可获得性能提升。 ✅ 2. 多精度混合计算：INT8 量化实战 CANN 支持一键量化，大幅降低推理延迟与功耗。 步骤 3：在应用中加载量化模型 from cann_inference import Model # 假设为 CANN 提供的 Python 接口 model = Model("model_quant.om
36910编辑于 2026-02-09CANN 能效分析：如何实现 10 TOPSW 的极致能效比
CANN 能效分析：如何实现 10 TOPS/W 的极致能效比 当一台边缘 AI 盒子部署在无风扇的配电柜中，或一辆无人配送车需连续运行 12 小时，性能不再是唯一目标——能效才是生存底线。 CANN 宣称在典型 CV 负载下可达 10+ TOPS/W（FP16），远超 GPU 的 2~4 TOPS/W。这背后，是一套从晶体管到算法的全栈能效优化体系。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、能效比定义与行业基准 能效比（Energy Efficiency） = 有效算力（TOPS） / 功耗（W） ） 10.2 TOPS/W 工业边缘 Ascend 910B（CANN） 9.7 TOPS/W 云训练/推理 数据来源：MLPerf Inference v4.0 + 华为官方白皮书（2025） CANN 通过专用架构、存储优化、动态调控与量化技术，将每瓦特电力转化为最大智能价值。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
50710编辑于 2026-02-09- 来自专栏Nicky's blog
云电脑深度玩转CANN：从环境适配到图像分类案例实现
云电脑深度玩转CANN：从环境适配到工业级应用落地全指南 CANN（Compute Architecture for Neural Networks）作为华为面向AI异构计算场景的核心架构，凭借端云一致的特性 但云电脑环境下的权限限制、资源隔离、网络约束等问题，成为不少开发者上手CANN的拦路虎。 本文基于实际开发经验，对CANN在云电脑中的部署、开发、优化进行超详细拆解，从每一步命令的原理到代码的逐行解释，再到复杂场景的问题排查，带你零门槛吃透CANN开发。 的远程API调用（如云环境中获取模型元数据） libboost-all-dev：增强CANN的多线程调度与内存管理能力（并行推理场景必备） （2）驱动安装：分场景深度适配 驱动是CANN与硬件交互的桥梁 验证编译器（ccec是CANN的内核编译器） ccec --version # 预期输出：HUAWEI CANN Compiler V7.0.0 Build XXX # 5.
51110编辑于 2025-12-17 智能炼金术：CANN加速的新材料AI设计系统
3.2 CANN优化的晶体扩散生成 3.3 材料性质预测与筛选 四、性能优势与实测数据 4.1 CANN材料设计优化 4.2 实际应用案例 五、应用前景与展望 5.1 工业应用领域 5.2 科学研究价值 我们设计了一个基于CANN的完整材料设计系统，整体架构如下： 三、核心实现：CANN加速的晶体生成系统 3.1 晶体图表示与编码 class CrystalGraphEncoder: """晶体图神经网络编码器 _compute_bond_features(crystal_graph) # 图神经网络编码（CANN加速） if self.cann_processor 加速版本 if cann_accelerated: self.cann_predictor = MaterialPropertyCANN() 基本性质预测（CANN加速） if self.cann_accelerated: basic_props = self.cann_predictor.predict_basic_properties
14710编辑于 2026-05-06玩转CANN仓库：60行代码打造国产化AIGC商品标签智能生成器
本文以昇腾CANN仓库核心能力解读为背景，跳出纯文本、纯图像的单一AIGC场景，聚焦“图片+文本”多模态商品标签生成，通过60行极简代码实现国产化AIGC工具，全程拆解CANN仓库的核心模块与实战逻辑。 cann组织链接 ops-nn仓库链接 一、CANN仓库支撑多模态AIGC的核心逻辑 商品标签生成属于典型的轻量级多模态AIGC场景，核心需求是“低延迟、高适配、国产化”，而CANN仓库（Ascend 前置环境准备 本次实战基于昇腾310B芯片 + CANN 7.0版本（CANN仓库核心稳定版本），需提前配置基础环境（均从CANN官方仓库获取）： # 安装CANN仓库核心依赖 pip install 核心代码解析 本次代码聚焦CANN仓库的核心使用逻辑，关键模块解读如下： CANN环境初始化：acl.init()是所有CANN操作的“入口开关”，acl.rt.set_device()和context “环境初始化→多模态预处理→CANN推理→后处理→资源释放”，这是所有CANN多模态AIGC应用的通用流程； 国产化优势：基于CANN仓库的方案完全依托昇腾芯片部署，无需依赖CUDA等国外框架，满足信创合规要求
14710编辑于 2026-05-06- 来自专栏CSDNToQQCode
2025年7月29日CANN通过msopgen创建算子项目
未配置默认为required。 format 列表 针对类型为Tensor的参数，配置为Tensor支持的数据排布格式。 包含如下取值： ND、NHWC、NCHW、HWCN、NC1HWC0、FRACTAL_Z等。 说明 format与type需一一对应。若仅填充其中一项的唯一值，msOpGen工具将会以未填充项的唯一输入值为准自动补充至已填充项的长度。例如用户配置为format:["ND"] /type:["fp16","float","int32"]，msOpGen工具将会以format的唯一输入值（"ND"）为准自动补充至type参数的长度，自动补充后的配置为format:["ND","ND","ND"]/type:["fp16","float","int32"]。 type 列表 算子参数的类型。
30310编辑于 2025-12-16 - 来自专栏Nicky's blog
云电脑玩转 CANN 全攻略：从环境搭建到创新应用落地
云电脑深度玩转CANN：从环境适配到工业级应用落地全指南 CANN（Compute Architecture for Neural Networks）作为华为面向AI异构计算场景的核心架构，凭借端云一致的特性 但云电脑环境下的权限限制、资源隔离、网络约束等问题，成为不少开发者上手CANN的拦路虎。 本文基于实际开发经验，对CANN在云电脑中的部署、开发、优化进行超详细拆解，从每一步命令的原理到代码的逐行解释，再到复杂场景的问题排查，带你零门槛吃透CANN开发。 的远程API调用（如云环境中获取模型元数据） libboost-all-dev：增强CANN的多线程调度与内存管理能力（并行推理场景必备） （2）驱动安装：分场景深度适配 驱动是CANN与硬件交互的桥梁 验证编译器（ccec是CANN的内核编译器） ccec --version # 预期输出：HUAWEI CANN Compiler V7.0.0 Build XXX # 5.
97210编辑于 2025-11-14 为什么所有NPU开发者都绕不开 CANN？一文讲透
第1章为什么关心CANN？1.1CANN是什么？ 1.2CANN为什么值得关注？为什么最近你读这篇文章，甚至对CANN感兴趣，非常有价值？ 这就是CANN性能的第一来源。 它是CANN性能与稳定性的核心保障之一。 下面，我们从三个更真实的问题切入：为什么同一个模型，用CANN跑会更快？为什么企业的多用户并发、海量文档处理、大模型在线推理，都离不开CANN？
1.1K100编辑于 2025-12-11CANN：华为全栈AI计算框架的深度解析（终极扩展版 · 完整篇）
CANN：华为全栈AI计算框架的深度解析（终极扩展版 · 完整篇） 文章大纲图 CANN：华为全栈AI计算框架的深度解析 ├── 引言 │ ├── CANN概述 │ ├── 发展历程与版本演进 发展历程与版本演进 版本 发布时间 关键特性 CANN 1.0 2018年 初步支持Ascend 310/910，基础ACL接口 CANN 3.0 2020年 引入GE图引擎，支持TensorFlow/ PyTorch CANN 5.0 2022年 开放Ascend C语言，支持自定义算子 CANN 6.0 2023年 支持大模型训练，引入NB1.0通信协议 CANN 8.0/8.2 2024–2025 硬件兼容性 CANN全面支持华为昇腾全系列AI处理器： 芯片型号 算力（FP16） 典型应用场景 CANN支持情况 Ascend 310 8 TOPS 边缘推理、摄像头、无人机 ✅ 完整支持 Ascend ✅ CANN Lite 支持 所有芯片均通过统一ACL接口访问，开发者无需修改代码即可迁移。
1.4K10编辑于 2025-12-23CANN 运行时系统深度解析：从 .om 加载到 NPU 执行的全链路剖析
CANN 运行时系统深度解析：从 .om 加载到 NPU 执行的全链路剖析 当你调用： python model = AclModel("resnet50_cann.om") output = model.infer 本文将揭开 CANN Runtime 的内部工作机制。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、CANN Runtime 架构全景 CANN Runtime 基于 ACL（Ascend Computing 七、未来方向：轻量化与 WebAssembly 支持 CANN 正探索： Micro Runtime：适用于 MCU 级设备（<1MB ROM）； WASM 后端：在浏览器中运行 CANN 模型（实验性 CANN Runtime 通过精细化的资源管理、异步调度与硬件协同，将 .om 模型的潜力完全释放。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库
24210编辑于 2026-02-09用CANN仓库解锁AIGC图像生成的隐藏加速技能
但今天，我将带你探索如何利用华为CANN（Compute Architecture for Neural Networks）仓库，将Stable Diffusion的推理速度提升300%以上。 cann组织链接 ops-nn仓库链接 实战目标：构建极速AIGC图像生成器 我们将基于Stable Diffusion模型，使用CANN的Ascend平台进行优化，实现一个端到端的加速图像生成系统。 安装CANN Toolkit def setup_cann_environment(): """ 配置CANN运行环境 """ os.environ['ASCEND_HOME 动态形状支持 CANN的动态形状编译技术允许模型适应不同批处理大小，无需重新编译，特别适合AIGC中变化的输入尺寸。 3. ： 多模型联合优化（文本+图像+语音） 实时视频生成加速 边缘设备部署优化 AIGC的加速之旅才刚刚开始，而CANN为我们打开了一扇通往极致性能的大门。
14610编辑于 2026-05-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号