master

cann-robotfeat：introduce cuda2ascend-simt

10f4b5e8创建于 8 天前历史提交

文件	最后提交记录	最后更新时间
CONTRIBUTING.md	add governance for cannbot skills Co-authored-by: jon_jin<jinjiong@hisilicon.com> # message auto-generated for no-merge-commit merge: !246 merge master into master add governance for cannbot skills Created-by: jon_jin Commit-by: jon_jin Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述您的改动，包括改动的原因和所采取的方法。 ### 举例： #### 新特性 New Features - 【仿真 ops-simulator】新增Ascend 950 仿真Skill：支持 Ascend 950 仿真，并且输出性能分析报告和流水线图。 - 【PyPTO】【pypto-op-design】新增 Skill：pypto-op-design，PyPTO算子方案设计，含快速参考和设计模板。 #### 问题修复 Bug Fix 【算子直调 ops-direct-invoke】修改verify_environment.sh脚本，返回environment.json 固定为1的bug，应该按实际设备的npu count返回。 --> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> <!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单的链接。--> ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] 🌟 新特性 - [ ] ✨ 特性增强 - [ ] 🐛 Bug 修复 - [ ] ⚡ 性能优化 - [ ] 🧪 测试用例 - [ ] 📦 构建 / CI - [ ] 📝 文档更新 - [ ] 🔧 配置变更 - [ ] ⬆️ 依赖升级 - [ ] 🔒 安全修复 - [ ] ♻️ 代码重构 - [ ] 🧹 代码清理 - [ ] ❓ 其他，请描述： ## 流水线故障排查 <!-- 如果下方的流水线检查未通过，可参考以下指引进行自助修复 --> > **UT_Test 未通过？** > 请在下方流水线表格的 **UT_Test** 行，点击右侧的 >>>>> 下载「UT_Test 自检修复提示词模版」。 > 将下载的模版内容粘贴给 Agent，Agent 将根据日志自动定位并修复问题。 > > 示例： >  See merge request: cann/cannbot-skills!246	12 天前
GOVERNANCE.md	add governance for cannbot skills Co-authored-by: jon_jin<jinjiong@hisilicon.com> # message auto-generated for no-merge-commit merge: !246 merge master into master add governance for cannbot skills Created-by: jon_jin Commit-by: jon_jin Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述您的改动，包括改动的原因和所采取的方法。 ### 举例： #### 新特性 New Features - 【仿真 ops-simulator】新增Ascend 950 仿真Skill：支持 Ascend 950 仿真，并且输出性能分析报告和流水线图。 - 【PyPTO】【pypto-op-design】新增 Skill：pypto-op-design，PyPTO算子方案设计，含快速参考和设计模板。 #### 问题修复 Bug Fix 【算子直调 ops-direct-invoke】修改verify_environment.sh脚本，返回environment.json 固定为1的bug，应该按实际设备的npu count返回。 --> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> <!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单的链接。--> ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] 🌟 新特性 - [ ] ✨ 特性增强 - [ ] 🐛 Bug 修复 - [ ] ⚡ 性能优化 - [ ] 🧪 测试用例 - [ ] 📦 构建 / CI - [ ] 📝 文档更新 - [ ] 🔧 配置变更 - [ ] ⬆️ 依赖升级 - [ ] 🔒 安全修复 - [ ] ♻️ 代码重构 - [ ] 🧹 代码清理 - [ ] ❓ 其他，请描述： ## 流水线故障排查 <!-- 如果下方的流水线检查未通过，可参考以下指引进行自助修复 --> > **UT_Test 未通过？** > 请在下方流水线表格的 **UT_Test** 行，点击右侧的 >>>>> 下载「UT_Test 自检修复提示词模版」。 > 将下载的模版内容粘贴给 Agent，Agent 将根据日志自动定位并修复问题。 > > 示例： >  See merge request: cann/cannbot-skills!246	12 天前
STANDARDS.md	rich content of ascendc-npu-arch: extend docs with hardware params, micro-architecture, SIMT/Regbase/NDDMA/CCU for DAV_3510 Co-authored-by: jon_jin<jinjiong@hisilicon.com> # message auto-generated for no-merge-commit merge: !195 merge master-fork into master rich content of ascendc-npu-arch: extend docs with hardware params, micro-architecture, SIMT/Regbase/NDDMA/CCU for DAV_3510 Created-by: jon_jin Commit-by: jon_jin Merged-by: cann-robot Description: ## 描述 rich content of ascendc-npu-arch: extend docs with hardware params, micro-architecture, SIMT/Regbase/NDDMA/CCU for DAV_3510 ## 关联的Issue SKILL自己来维护硬件信息，无法核实源头信息真实性，对SKILL进行重构，后续主要提供：1.主要硬件差异摘要 2.提供各类信息源头的地址，抑制幻觉，没有正式渠道披露的标注为经验值 3.硬件规格的计算公式，方便对数据进行交叉验证 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] 🌟 新特性 - [ ] ✨ 特性增强 - [ ] 🐛 Bug 修复 - [ ] ⚡ 性能优化 - [ ] 🧪 测试用例 - [ ] 📦 构建 / CI - [ ] 📝 文档更新 - [ ] 🔧 配置变更 - [ ] ⬆️ 依赖升级 - [ ] 🔒 安全修复 - [ ] ♻️ 代码重构 - [ ] 🧹 代码清理 - [ ] ❓ 其他，请描述： ## 流水线故障排查 <!-- 如果下方的流水线检查未通过，可参考以下指引进行自助修复 --> > **UT_Test 未通过？** > 请在下方流水线表格的 **UT_Test** 行，点击右侧的 >>>>> 下载「UT_Test 自检修复提示词模版」。 > 将下载的模版内容粘贴给 Agent，Agent 将根据日志自动定位并修复问题。 > > 示例： >  See merge request: cann/cannbot-skills!195	20 天前
skills-usage.md	feat：introduce cuda2ascend-simt Co-authored-by: qixingkai<qixingkai@huawei.com> # message auto-generated for no-merge-commit merge: !210 merge master into master feat：introduce cuda2ascend-simt Created-by: qixingkai Commit-by: qixingkai Merged-by: cann-robot Description: ## 描述 cuda2ascend-simt 是一个 Ascend C SIMT 迁移Skill，通过可规划、可追踪、可验证、可复用的工程化流程，快速迁移 CUDA 算子资产，继承其高性能实践，扩展 Ascend 算力生态。 ## 已支持能力说明 ### 1. 支持多种交付形态 - 支持 sample、torch_npu、pybind 三类迁移模式。 - sample 产物：可独立编译运行的 Ascend C SIMT 示例工程，包含 .asc、host 代码、CMakeLists.txt、验证入口。 - torch_npu 产物：可安装的 torch_npu 扩展工程，包含 SIMT kernel、host wrapper、注册代码、Python 调用入口、安装与验证脚本。 - pybind 产物：可从 Python import 的 pybind 扩展工程，包含 SIMT kernel、host wrapper、binding 代码、构建安装与 Python 验证入口。 - 能根据原始工程形态选择交付方式，避免把复杂扩展工程简单降级成 standalone sample。 ### 2. 高保真迁移策略 - 默认保持原始算法结构、变量命名、Kernel 拆分、launch policy 与调用链路。 - 系统分析 dtype 覆盖、shape / layout 分支、fast path 与 kernel 选择策略，降低行为偏差风险。 - 对 TensorIterator、gpu_kernel、共享 math helper 等可复用抽象层，优先采用复用或 Ascend counterpart 迁移方案，提升跨算子复用能力。 ### 3. 规则化知识库驱动 - 内置 CUDA Runtime API、Device API、语法规则、约束规则等本地迁移参考。 - 以 YAML 规则表作为事实源，Markdown 作为可读视图，兼顾机器可解析性与人工审查效率。 - 在迁移前强制查询 API 映射、语法约束与不支持能力，提升 Ascend C SIMT 改写决策的一致性和可追溯性。 ### 4. 可审计的降级与阻塞治理 - 对能力缺失统一分类为 downgrade、blocked、excluded。 - 对重大降级设置硬停止审批门，例如抽象层降级、多路径 kernel 调度简化、核心设备执行路径替换等。 - 降级前必须明确迁移成本、技术收益、验证影响、复用影响和恢复路径，支撑客户进行可审计的技术决策。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> <!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单的链接。--> ## 测试 当前测试覆盖基础 CUDA 样例、PyTorch ATen 大模型热点算子、多机多卡通信库三类场景，用于验证技能在不同复杂度工程中的迁移分析和交付能力。 ### 1. CUDA Samples 基础算子集（成功数/总数：12/12） - 来源仓库：NVIDIA [cuda-samples](https://github.com/NVIDIA/cuda-samples) - 测试范围：覆盖 matrixMul、simpleStreams、simpleAtomicIntrinsics 等 12个典型 CUDA sample。 - 迁移产物：已沉淀在 [cuda-transporter-testcase](https://gitcode.com/cann-sigs/cuda-transporter-testcase/tree/main/ported-cuda-samples)，用于验证基础 kernel、runtime API、stream、多 GPU、atomic、assert / printf 等常见 CUDA 能力迁移。 ### 2. PyTorch ATen 大模型热点算子集（成功数/总数：17/20） - 来源仓库：PyTorch aten/src/ATen。 - 测试范围：基于[torch API](https://docs.pytorch.org/docs/main/torch.html)，对其中 493 个 torch 接口进行实现方式分类，覆盖 15 类算子实现路径，选取 20 个大模型热点算子作为迁移测试集。 - 迁移结果：迁移产物沉淀在 [cuda-transporter-testcase](https://gitcode.com/cann-sigs/cuda-transporter-testcase/tree/main/tasks/ported-ops)，用于验证 ATen 调用链、dtype / shape 分支、可复用抽象层和 Python 调用路径保真能力。 - 失败原因：3个失败用例均由于缺少高阶的生态库能力，导致迁移阻塞 ### 3. DeepEP 多机多卡通信场景 - 来源仓库：DeepSeek [deepep](https://github.com/deepseek-ai/DeepEP)。 - 测试范围：面向多机多卡通信、专家并行调度和高性能通信算子进行迁移可行性分析。 - 分析产物：deepep迁移.pdf，用于评估技能在复杂分布式通信库中的依赖分析、阻塞识别和迁移路径规划能力。 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [x] 🌟 新特性 - [ ] ✨ 特性增强 - [ ] 🐛 Bug 修复 - [ ] ⚡ 性能优化 - [ ] 🧪 测试用例 - [ ] 📦 构建 / CI - [ ] 📝 文档更新 - [ ] 🔧 配置变更 - [ ] ⬆️ 依赖升级 - [ ] 🔒 安全修复 - [ ] ♻️ 代码重构 - [ ] 🧹 代码清理 - [ ] ❓ 其他，请描述： ## 流水线故障排查 <!-- 如果下方的流水线检查未通过，可参考以下指引进行自助修复 --> > **UT_Test 未通过？** > 请在下方流水线表格的 **UT_Test** 行，点击右侧的 >>>>> 下载「UT_Test 自检修复提示词模版」。 > 将下载的模版内容粘贴给 Agent，Agent 将根据日志自动定位并修复问题。 > > 示例： >  See merge request: cann/cannbot-skills!210	8 天前