摘要： 本文介绍了CANN自定义算子开发的几种开发方式和算子的编译运行流程。然后以开发一个DSLAdd算子为例，讲解算子开发的基本流程。本文分享自华为云社区《昇腾CANN算子开发揭秘》，作者：昇腾CANN。开发者在利用昇腾硬件进行神经网络模型训练或者推理的过程中，可能会遇到以下场景：训练场景下，将第三方框架（例如TensorFlow、PyTorch等）的网络训练脚本迁移到昇腾AI处理器时遇到了不支持的算子。推理场景下，将第三方框架模型（例如TensorFlow、Caffe、ONNX等）使用ATC工具转换为适配昇腾AI处理器的离线模型时遇到了不支持的算子。网络调优时，发现某算子性能较低，影响网络
摘要： 本文介绍了CANN自定义算子开发的几种开发方式和算子的编译运行流程。然后以开发一个DSLAdd算子为例，讲解算子开发的基本流程。本文分享自华为云社区《昇腾CANN算子开发揭秘》，作者：昇腾CANN。开发者在利用昇腾硬件进行神经网络模型训练或者推理的过程中，可能会遇到以下场景：训练场景下，将第三方框架（例如TensorFlow、PyTorch等）的网络训练脚本迁移到昇腾AI处理器时遇到了不支持的算子。推理场景下，将第三方框架模型（例如TensorFlow、Caffe、ONNX等）使用ATC工具转换为适配昇腾AI处理器的离线模型时遇到了不支持的算子。网络调优时，发现某算子性能较低，影响网络
摘要：本期带您了解如何使用msopst工具。本文分享自华为云社区《【CANN文档速递13期】算子ST测试工具【msopst】》，作者：昇腾CANN。如何获取msopst工具msopst工具存储在Ascend-cann-toolkit安装目录的“toolkit/python/site-packages/bin”路径下。支持对TBE算子以及AICPU算子进行ST测试。CANN软件安装完成并生效环境变量配置脚本后，即可直接使用此工具，您可以在任意路径下执行如下命令查看工具相关参数：总体使用流程自定义算子部署到OPP算子库后，开发者可使用msopst工具验证算子在昇腾AI处理器上执行的正确性，总体流程
摘要：本期带您了解如何使用msopst工具。本文分享自华为云社区《【CANN文档速递13期】算子ST测试工具【msopst】》，作者：昇腾CANN。如何获取msopst工具msopst工具存储在Ascend-cann-toolkit安装目录的“toolkit/python/site-packages/bin”路径下。支持对TBE算子以及AICPU算子进行ST测试。CANN软件安装完成并生效环境变量配置脚本后，即可直接使用此工具，您可以在任意路径下执行如下命令查看工具相关参数：总体使用流程自定义算子部署到OPP算子库后，开发者可使用msopst工具验证算子在昇腾AI处理器上执行的正确性，总体流程
摘要： 了解通用目标检测与识别一站式方案的功能与特性，还有实现流程，以及可定制点。本文分享自华为云社区《玩转CANN目标检测与识别一站式方案》，作者：Tianyi_Li。背景介绍目标检测与识别是计算机视觉领域中的关键技术，随着深度学习技术的发展，目标检测与识别的应用场景也越来越广泛。当前,主要有以下几个应用场景:安全领域：指纹识别、物体识别等。交通领域：车牌号识别、无人驾驶、交通标志识别等。医疗领域：心电图、B超、健康管理、营养学等。生活领域：智能家居、智能购物、智能测肤等。但当前人工智能应用开发面临着开发周期长、AI软件栈理解成本高、算法模型与业务结合难度高、对开发人员技能要求高等门槛。为了
摘要： 了解通用目标检测与识别一站式方案的功能与特性，还有实现流程，以及可定制点。本文分享自华为云社区《玩转CANN目标检测与识别一站式方案》，作者：Tianyi_Li。背景介绍目标检测与识别是计算机视觉领域中的关键技术，随着深度学习技术的发展，目标检测与识别的应用场景也越来越广泛。当前,主要有以下几个应用场景:安全领域：指纹识别、物体识别等。交通领域：车牌号识别、无人驾驶、交通标志识别等。医疗领域：心电图、B超、健康管理、营养学等。生活领域：智能家居、智能购物、智能测肤等。但当前人工智能应用开发面临着开发周期长、AI软件栈理解成本高、算法模型与业务结合难度高、对开发人员技能要求高等门槛。为了
摘要：本实践是基于Windows版MindStudio5.0.RC3，远程连接ECS服务器使用，ECS是基于官方分享的CANN6.0.RC1_MindX_Vision3.0.RC3镜像创建的。本文分享自华为云社区《【MindStudio训练营第一季】基于U-Net网络的图像分割的MindStudio实践》，作者：Tianyi_Li。1.U-Net网络介绍：U-Net模型基于二维图像分割。在2015年ISBI细胞跟踪竞赛中，U-Net获得了许多最佳奖项。论文中提出了一种用于医学图像分割的网络模型和数据增强方法，有效利用标注数据来解决医学领域标注数据不足的问题。U型网络结构也用于提取上下文
摘要：本实践是基于Windows版MindStudio5.0.RC3，远程连接ECS服务器使用，ECS是基于官方分享的CANN6.0.RC1_MindX_Vision3.0.RC3镜像创建的。本文分享自华为云社区《【MindStudio训练营第一季】基于U-Net网络的图像分割的MindStudio实践》，作者：Tianyi_Li。1.U-Net网络介绍：U-Net模型基于二维图像分割。在2015年ISBI细胞跟踪竞赛中，U-Net获得了许多最佳奖项。论文中提出了一种用于医学图像分割的网络模型和数据增强方法，有效利用标注数据来解决医学领域标注数据不足的问题。U型网络结构也用于提取上下文
