AsNumpy是一款面向昇腾NPU的轻量级科学计算Python库，与NumPy API完全兼容。 它通过pybind11绑定层封装华为CANN算子，并借助NPUArray数据结构（其设计与numpy.ndarray保持一致）对外提供接口。 本项目由哈尔滨工业大学AISS课题组与ISE课题组联合华为CANN团队共同开发。

import numpy as np
import asnumpy as ap

# Generate data on CPU
m1 = np.random.normal(0, 1, (3000, 3000)).astype(np.float32)
m2 = np.random.normal(0, 1, (3000, 3000)).astype(np.float32)

# Transfer to NPU
m1_npu = ap.ndarray.from_numpy(m1)
m2_npu = ap.ndarray.from_numpy(m2)

# Compute on NPU — same API as NumPy
result = ap.multiply(m1_npu, m2_npu)

# Transfer back to CPU
print(result.to_numpy())

注意：下方性能部分对 ap.mean()（归约操作）进行了基准测试， 这与上文演示的 ap.multiply()（逐元素操作）有所不同。完整复现步骤请参见 benchmarks.md。

• 特性
• 安装
• 快速开始
• 性能
• 路线图
• 贡献指南
• 资源
• 许可证
• 致谢

特性

• 兼容 NumPy API — 函数名称与签名均匹配 NumPy；现有代码可通过最小改动完成迁移
• 昇腾 910B 原生加速 — 算子通过 CANN ACLNN 直接在 NPU 上运行，无框架开销
• 自动资源管理 — NPUArray 析构函数自动释放设备内存（RAII 机制）
• 双向数据传输 — 提供 from_numpy() 和 to_numpy() 实现 CPU 与 NPU 间的无缝数据交换
• 广播支持 — 内置 GetBroadcastShape() 遵循 NumPy 广播语义
• 算子可扩展性 — 缺失的 CANN 算子通过 OpenBOAT 进行补充

安装

环境要求：GCC >= 11.2，CMake >= 3.26，Python >= 3.9，CANN >= 8.2.RC1.alpha003，昇腾 910B NPU。

编译前需设置 CANN 环境变量：

export ASCEND_TOOLKIT_HOME=/usr/local/Ascend/ascend-toolkit/latest

使用 uv（推荐）

git clone --recursive https://gitcode.com/cann/asnumpy.git
cd asnumpy
uv sync

使用 pip

git clone --recursive https://gitcode.com/cann/asnumpy.git
cd asnumpy

# Upgrade pip, setuptools, and wheel to their latest versions
pip install --upgrade pip setuptools wheel

# Install the 'build' package, which provides a simple build front-end for Python packages
pip install build

# Build the current Python project (create source distribution and wheel)
python -m build

# Install all generated wheel (.whl) files from the dist/ directory
pip install dist/*.whl

验证安装

import asnumpy as ap
arr = ap.ones((1000, 1000), dtype=ap.float32)
print(arr.shape)  # (1000, 1000)

快速入门

上文展示了一个极简示例。如需查看 NumPy 与 AsNumpy 代码的完整对比以及更多使用模式，请参阅快速入门指南。

可运行脚本位于 examples/ 目录下。

性能表现

在 3000×3000 float32 数据上，ap.mean() 在相同机器上的运行速度比 np.mean() 快 35.70 倍。随着数据规模的增大，NPU 的并行计算优势愈发显著。

ap.mean() 是一种归约操作；顶部演示使用的是 ap.multiply()（按元素操作）。

形状	数据量	AsNumpy (毫秒)	NumPy (毫秒)	加速比
(500, 500)	250,000	0.1446	0.1429	0.99 倍
(1000, 1000)	1,000,000	0.1510	0.4904	3.25 倍
(2000, 2000)	4,000,000	0.1636	1.9372	11.84 倍
(3000, 3000)	9,000,000	0.1857	6.6303	35.70 倍

完整测试环境、控制变量及复现说明：benchmarks.md。

路线图

版本号	季度	核心交付内容
v0.3.0	26年Q1	文档网站（Docsify + GitCode Pages）、带硬件白名单的 CI/CD 流水线、代码质量全面优化（spdlog、clang-format）、PyPI 发布
v0.4.0	26年Q2	数学函数 100% API 覆盖、Ascend 950 验证、triton-ascend 算子集成（10 个算子）、内存池（实验性）
v0.5.0	26年Q2	线性代数全面覆盖、triton-ascend 算子库扩展至 20 个算子、多 NPU 分布式计算研究

贡献指南

欢迎贡献代码。小的修复可直接提交拉取请求。对于较大功能，请先创建 issue 讨论设计方案。

有关构建说明、编码规范以及如何添加新算子，请参阅开发者指南。

资源链接

• 文档
• 快速入门
• 架构设计
• 性能基准
• 常见问题
• 开发者指南
• 示例代码
• 问题跟踪
• OpenBOAT 算子库

许可协议

Apache License, Version 2.0 — 详见 LICENSE。

AsNumpy 基于 NumPy 的 API 进行设计（详见 NumPy 许可协议）。

AsNumpy 由哈尔滨工业大学计算学部联合华为 CANN 团队共同开发与维护，并得到了社区贡献者的支持。

致谢

• 哈尔滨工业大学计算学部 AISS 课题组 — 苏统华教授团队
• 哈尔滨工业大学计算学部 ISE 课题组 — 王甜甜教授团队
• 华为 CANN 团队

---