CANN 学习中心仓，支持在线互动运行、边学边练，提供教程、示例与优化方案，一站式助力昇腾开发者快速上手。
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 1 个月前 | ||
| 9 天前 | ||
| 1 天前 | ||
| 7 天前 | ||
| 13 小时前 | ||
| 1 天前 | ||
| 1 天前 | ||
| 6 小时前 | ||
| 16 天前 | ||
| 1 天前 | ||
| 5 个月前 | ||
| 1 个月前 | ||
| 1 天前 | ||
| 5 个月前 | ||
| 1 个月前 |
cann-learning-hub
cann-learning-hub 是CANN （Compute Architecture for Neural Networks）生态的官方开源学习中心仓库，聚焦 NPU 加速计算开发能力培养，汇聚从入门到进阶的全栈学习资源。 仓库涵盖 CANN 全栈加速计算的系列示例与最佳实践教程，支持以 Notebook 方式在线 / 离线交互式运行，帮助开发者零门槛上手。 我们致力于打造动态、全面的 CANN 知识平台，系统化整理入门指南、高级优化教程、精选算子与模型示例及经过验证的最佳实践方案。通过持续迭代更新，助力开发者快速掌握 CANN 开发技能，高效释放昇腾 NPU 算力，加速 AI 应用的开发与创新。 欢迎广大开发者贡献案例、教程、文档及各类学习资源，共建开放共享的 CANN 开发者生态。
本仓已集成代码仓库智能体，点击 
徽章，开启在线智能代码学习与知识问答体验！
本项目源码会基于CANN软件的非beta版本进行全量验证，关于CANN软件版本与本项目标签的对应关系请参阅 release仓库 中的相应版本说明，已验证情况如下表所示。
| 已验证支持CANN版本 | 验证日期 |
|---|---|
| 9.0.0 | 2026.06.30 |
🧭 快速导航
| 你是 | 直达链接 |
|---|---|
| 🎓 入门新手 | → 新手入门学习路径 |
| 💻 资深开发者 | → 全栈课程体系地图 |
| 🏫 高校教师 | → 高校教学方案专区 |
| 🏆 竞赛备赛 | → 赛事备考专区 |
| 🏋️ 想做模型微调 | → SwanLab 共建案例 |
| 📝 真实客户实践案例 | → 技术博客 |
📋 运行方式说明
本仓教程支持两种运行方式：
| 运行方式 | 说明 |
|---|---|
| 在线体验 | 点击即可直接打开在线运行环境运行，无需额外配置 |
| open in CANNLab | 需先进入 CANNLab 创建环境，clone 本仓后从目录树中找到对应教程打开运行，注意选择内核（如 Python 3.11.4） |
📋 前置基础（已具备可跳过）：
- 编程语言：Python/C/C++
- 计算机系统：计算机组成原理/操作系统基础（进程/线程、内存管理、环境配置等）
- AI 与数学：深度学习基础（神经网络）+ 线性代数与微积分（矩阵运算、梯度等）
🎓 新手入门学习路径
所有方向共享「阶段一：认识平台」公共基础，完成后按兴趣选择一条主线深入。没有唯一正确路径——选你最关心的场景出发即可。
🚀 一键起步：从 人工智能基础 开始，可点击在线体验直接运行，边学边练。
阶段一：认识平台（约 2h）【公共基础】
目标：理解 CANN 是什么，验证 NPU 环境可用
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 1 | 人工智能基础 | AI 发展历程、算子概念（名称/类型/Tensor/shape/format/Axis） | 在线体验 |
| 2 | 什么是 NPU | 昇腾 NPU 硬件架构：DaVinci 核心、AI Core / Vector / Cube 计算单元 | 在线体验 |
| 3 | 什么是 CANN | CANN 异构计算架构与软件栈：分层架构、Ascend C、torch_npu 适配 | 在线体验 |
| 4 | Hello World：NPU 加法 | 基于 torch_npu 跑通第一个运算，验证环境可用 | 在线体验 |
🧭 选择你的主线
| 主线 | 适合人群 | 总时长 | 核心产出 | 难度 |
|---|---|---|---|---|
| 🧠 大模型推理 | 想快速跑通大模型、做推理优化 | ~10h | 端到端推理调优能力 | ★★☆ |
| 🏋️ 大模型训练 | 想做模型训练与微调 | ~16h | SFT/RL 训练与微调能力 | ★★★ |
| ⚙️ 算子开发 | 想掌握底层编程、参与竞赛 | ~20h | 自定义算子开发与接入 | ★★★ |
| 📊 推荐系统 | 想做推荐/召回业务落地 | ~8h | CTR 排序 + 召回全链路 | ★★☆ |
主线一：🧠 大模型推理（约 10h ~ 32h）
以 Qwen3-8B 端到端推理案例为主线，自然贯通"跑通推理 → 发现瓶颈 → 性能调优 → 量化与算子开发"。
阶段二：跑通推理（约 3-4h）
目标：在 NPU 上跑通 Qwen3-8B 推理，获得"真实大模型跑起来了"的成就感，配套课件是理论基础，建议先学习课件，再进行实践。
| 序号 | 课程（实践） | 课程内容 | 运行方式 |
|---|---|---|---|
| 5 | 章节介绍 | 全流程概览，知道接下来要做什么 | open in CANNLab |
| 6 | Qwen3-8B 推理 | 跑通 Qwen3-8B BF16 推理，感知大模型推理 | open in CANNLab |
阶段三：调优实战（约 4h）
目标：走完"发现瓶颈 → 性能优化"工程闭环，理解为什么需要算子级优化，配套课件是理论基础，建议先学习课件，再进行实践。
📖 配套课件：推理优化基础 ｜ Profiling 与瓶颈定位
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 7 | Profiling 分析 | 对 Baseline 做 Profiling，定位 RMSNorm 等小算子链路瓶颈 | open in CANNLab |
| 8 | Dense RMSNorm NPU 融合优化 | 切换融合开关，A/B 对比验证算子融合的性能收益 | open in CANNLab |
💡 至此完成推理主线核心（约 10h），已具备端到端 BF16 推理调优能力。以下为可选拓展。
阶段四：量化与算子开发（可选，约 24h）
目标：从量化推理中发现算子瓶颈，系统学习算子开发后自研算子并接入真实模型，配套课件是理论基础，建议先学习课件，再进行实践。
📖 配套课件：量化基础
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 9 | 量化 Qwen3-8B 模型 | AMCT 工具导出 W8A8 权重 → 量化推理 → Profiling 定位 QuantBatchMatmulV3 瓶颈 → 推导 QmmCustom 原型 |
open in CANNLab |
| 10 | Ascend C 算子开发系列（Kernel 直调版） | 系统学习 Tiling 设计、Kernel 实现、编译与调试调优全流程 | 在线体验 |
| 11 | 自定义量化算子开发并接入 Qwen3-8B | 用步骤 ⑩ 的技能实现步骤 ⑨ 的原型 → 编译 → 替换瓶颈算子 → 验证收益 | open in CANNLab |
💡 阶段四叙事：⑨ 量化给动机（为什么需要自定义算子）→ ⑩ Ascend C 给能力（怎么开发算子）→ ⑪ 接入给闭环（学以致用，替换验证）
主线二：🏋️ 大模型训练
从微调实战到 SFT/RL 训练全流程，系统掌握大模型训练与性能优化能力。
阶段二：微调实战案例（SwanLab 共建）🚧
目标：通过端到端微调案例，配套 SwanLab 可视化能力，快速感知训练过程，可选择一个或多个感兴趣的案例进行学习。
| 序号 | 课程 | 课程内容 | 状态 |
|---|---|---|---|
| 5 | 医学模型微调 | Qwen3 医学领域 SFT + SwanLab 可视化 | ✅ 已上线 |
| 6 | ms-swift 框架微调 | ms-swift 框架微调 + SwanLab 可视化 | 🚧 建设中 |
| 7 | Qwen3-smVL 多模态微调 | 多模态拼接微调 + SwanLab 可视化 | 🚧 建设中 |
| 8 | CosyVoice 语音微调 | 语音模型微调 + SwanLab 可视化 | 🚧 建设中 |
💡 案例正在从 SwanLab 平台迁移至
contrib/tutorials/swanlab_examples/，完成后将在 CANNLab 环境提供在线体验。详见 SwanLab 共建案例。
阶段三：SFT/RL 初阶课程
目标：掌握 SFT 与 RL 训练基线，具备端到端训练跑通与问题定位能力，配套课件是理论基础，请先学习配套课件再进行实践。
| 序号 | 课程（实践） | 课程内容 | 运行方式 |
|---|---|---|---|
| 9 | SFT 训练系列（初阶） | 环境搭建 Torchtitan / Qwen3-1.7B 基线跑通 + Profiling / 应用融合算子 / 性能对比 | open in CANNLab |
| 10 | RL 训练系列（初阶） | Qwen3-1.7B 基线跑通 / 训推分离架构 / Wordle 评分 / vLLM-Ascend 适配 / 问题定位 | open in CANNLab |
阶段四：SFT/RL 中阶课程 🚧
目标：掌握长序列训练与 RL 后端开发能力
| 序号 | 课程 | 课程内容 | 状态 |
|---|---|---|---|
| 11 | SFT 训练系列（中阶） | varlen 注意力与上下文并行（CP）融合适配，消除 padding 冗余，提升长序列训练效率 | 🚧 建设中 |
| 12 | RL 训练系列（中阶） | 基于 torchtitan-npu 的 RL 后端开发，打通 vLLM rollout→Wordle reward→Actor 更新完整链路，完成多后端一致性对比 | 🚧 建设中 |
阶段五：SFT/RL 高阶课程 🚧
目标：掌握训练性能优化与显存调优能力
| 序号 | 课程 | 课程内容 | 状态 |
|---|---|---|---|
| 13 | SFT 训练系列（高阶） | 计算图静态化与 AutoFuse 融合优化，selective AC 显存调优，提升 CP 并行端到端训练吞吐 | 🚧 建设中 |
| 14 | RL 训练系列（高阶） | 性能基线搭建与瓶颈定位，FSDP2/TP/CP/PP 并行调优，RL 训练流水优化，A/B 验证训练稳定性 | 🚧 建设中 |
主线三：⚙️ 算子开发（约 20h）
从"10 分钟体验算子"到系统掌握 Ascend C 编程范式，具备自定义算子开发与工程化能力。
阶段二：体验算子（约 2h）
目标：快速感知算子开发与调用全流程
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 5 | 10 分钟体验自定义算子 | 第一个自定义算子开发，感知 Ascend C 编写与编译全流程 | 在线体验 |
| 6 | 10 分钟体验算子 API 调用 | 第一个算子调用，感知算子调用与价值 | 在线体验 |
阶段三：系统学习（约 12h）
目标：掌握 Tiling 设计、Kernel 实现、编译与调试调优全流程
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 7 | Ascend C 算子开发系列（Kernel 直调版） | 算子基础概念、编程范式、Vector/Cube/融合算子开发与调试调优 | 在线体验 |
阶段四：算子开发实战
目标：掌握标准算子工程开发流程，具备社区贡献能力
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 8 | Ascend C 算子开发系列（算子工程版） | 工程化开发流程、开源社区贡献规范与玩法 | 在线体验 |
| 9 | Vector 算子开发 | Vector 算子开发实战 | 🔍 建设中 |
| 10 | Conv 算子开发实战 | 卷积算子开发核心概念与实践 | 在线体验 |
| 11 | MC2 融合算子实战 | Matmul/Conv/通算融合等典型算子实战 | 在线体验 |
💡 进阶练习：CANNJudge 算子题库 在线刷题 → CANN 大赛专区 参赛验证
主线四：📊 推荐系统（约 8h）
基于 Torch-RecHub 跑通推荐系统全链路：排序 → 召回 → 多任务 → 工程化。
阶段二：跑通 CTR（约 2h）
目标：跑通 CTR 训练链路，获得端到端业务体感
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 5 | QuickStart：CTR 预测（DeepFM） | DataFrame → Feature → DeepFM → CTRTrainer → AUC | 在线体验 |
阶段三：进阶建模（约 4h）
目标：掌握排序、召回、多任务三大推荐建模范式
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 6 | 序列兴趣建模：DIN | 历史行为序列、SequenceFeature 与 DIN attention | 在线体验 |
| 7 | 匹配/召回：DSSM + Annoy | 双塔召回与向量 Top-K 检索 | 在线体验 |
| 8 | 多任务学习：MMOE | 多目标建模、expert、gate 与 tower | 在线体验 |
阶段四：工程化（约 2h）
目标：掌握实验跟踪与模型导出部署
| 序号 | 课程 | 课程内容 | 运行方式 |
|---|---|---|---|
| 9 | 实验跟踪：model_logger | WandB / SwanLab / TensorBoardX 轻量实验跟踪 | 在线体验 |
| 10 | 模型导出与推理验证：ONNX | ONNX 导出、ONNXRuntime 推理验证和量化入口 | 在线体验 |
💡 配套资源：CANNLab 实验环境指南 ｜ 社区讨论 ｜ 常见问题
💻 全栈课程体系地图
按 技术领域 × 难度等级 双维度搭建完整课程体系，高手可直接跳过入门内容，精准定位高阶课程。
| 技术领域 | 初级课程 | 中级课程 | 高级课程 |
|---|---|---|---|
| ⚙️ 算子开发 | Kernel 直调版 · d2l PyPTO 实战 · PyASC 入门 算子基础概念、编程范式、PyPTO Tensor 编程、PyASC 函数开发 |
算子工程版 · Conv 算子实战 · Vector 算子实战 Vector/Cube/融合算子开发、工程化流程、卷积与矢量算子实战 |
MC2 融合算子实战 · AscendC V2 高阶 🚧 · MoE/FA 算子实战 🚧 Matmul/Conv/通算融合、aclnn/aclGraph 工程化 |
| 🧠 大模型推理 | 推理系列（初级） · 极简参考实现 推理部署、Qwen3-8B 端到端实战 |
推理系列（中级） 推理优化/量化基础/算子融合/图模式/多卡并行/KV Cache/Profiling |
Sana-Video 最佳实践 · 推理系列（高级）🚧 多流/控核/MTP/PD分离/KV Cache Offload/4bit量化 |
| 🏋️ 大模型训练 | SFT 训练（初阶） · RL 训练（初阶） · SwanLab 微调案例 SFT/RL 基线跑通、医学/多模态/语音微调（可视化） |
SFT 训练（中阶） · RL 训练（中阶） 🚧 varlen+CP 融合、RL 后端开发、SwanLab 共建最佳实践 |
SFT/RL 训练（高阶）🚧 计算图优化、显存调优、端到端吞吐 |
| 📊 推荐系统 | CTR 预测（DeepFM） · DIN · DSSM 排序、召回、多任务、实验跟踪、模型导出 |
🚧 建设中 时延优化/动态图性能优化/多实例控核 |
🚧 建设中 多卡训练调优/自定义算子开发/自定义Pass开发 |
| 🔗 图框架 | GE 图引擎 · TorchAir · AutoFusion 图编译执行、图模式优化、自动融合 |
🚧 建设中 图构建/编译配置/自定义算子入图/自定义融合pass/静态&动态shape |
🚧 建设中 自动融合原理/融合策略求解/SuperKernel等 |
| 📡 通信 | HiXL 单边通信 · 集合通信 🚧 单边通信基础、集合通信基础 |
🚧 建设中 HiXL传输模式、集合通信开发 |
🚧 建设中 PD分离与KV Cache传输、多卡推理/训练通信算子开发 |
| 📱 应用开发 | 应用开发 🚧 ATC离线模型编译&推理、GE/ATC/模型转换全流程 |
— | — |
| 🤖 CANNBot | CANNBot · HPC 数据结构 开发辅助、高性能计算基础 |
🚧 建设中 | 🚧 建设中 |
🏫 高校教学方案专区（建设中）
直接输出可落地的成套教学解决方案，匹配高校不同开课场景，老师可直接参考、二次改造。
| 方案 | 适用场景 | 学时 | 内容覆盖 | 配套资源 |
|---|---|---|---|---|
| 本科常态化必修课 | 大三计算机/AI 专业必修课，对标浙大《人工智能芯片与系统》类课程 | 48 | 异构计算基础、Ascend C 算子开发、模型迁移与部署、综合实训 | 完整课程大纲、课时分配、12 个配套实验、课件模板、题库、教学 PPT |
| 短期实训营 | 高校暑期实训、企业新人培训、1-2 周集中实训 | 20 | 环境快速上手、基础算子开发、小项目实操 | 实训大纲、实操手册、结营考核题目 |
| 研究生进阶专题 | 研究生高阶课程、科研方向入门 | 32 | 分布式训练、算子深度优化、大模型训练适配 | 专题大纲、科研案例、参考论文、前沿实验 |
🏫 已合作高校：北京邮电大学、哈尔滨工业大学、上海交通大学等高校已基于本仓内容开设相关课程。
🏆 赛事备考专区
按赛事分类聚合所有相关内容，直接匹配赛事考点，选手无需从通用课程中自行筛选。
| 赛事 | 赛事说明 | 备赛资源 | 赛事权益 |
|---|---|---|---|
| CANNJudge 算子题库 | 开放题库，Ascend C 算子编程在线刷题，实时评测；含历届算子赛真题 | 算子开发练习 → 在线刷题 Ascend C 算子开发系列 → 前置课程 MC2 融合算子实战 → 高阶练习 |
实时评测排名等 |
| CANN 大赛专区 | 算子天梯赛 / 校园赛等各种大赛 | 大赛报名入口 → 报名与赛程 skills 目录 → 竞赛提交技能与算子工程生成 |
获奖对应、人才库推荐等 |
查看备赛建议路径
- 前置学习：完成 新手入门学习路径 阶段一 + 阶段二
- 专项练习：在 CANNJudge 按考点分类刷题
- 高阶提升：学习 Ascend C 算子开发系列（算子工程版）
- 赛前集训：关注大赛专区公告，参加赛前培训直播
- 参赛提交：使用 skills/cannjudge-submit 快速提交
📜 等级认证学习路径（建设中）
对应 AI Infra 工程师初/中/高三级认证体系。通识课程 + 场景方向（推理 / 训练 / 推荐 / 应用开发 / 算子 5 选 1），明确"考什么、学什么"。
🤝 SwanLab 共建案例
与 SwanLab 合作共建的大模型训练实战案例，正在从 SwanLab 平台迁移至本仓
contrib/tutorials/swanlab_examples/目录下。
适合人群：想在 NPU 上做模型微调的开发者 · 关注训练过程可视化的用户 · 医学/语音/多模态领域开发者
特色：每个案例均配套 SwanLab 训练可视化（loss/metrics 曲线、实验对比），迁移完成后可在 CANNLab 环境直接运行。
| 类别 | 案例 | 简介 | 原始文档 | 状态 |
|---|---|---|---|---|
| 监督微调 | 医学模型微调 | Qwen3 医学领域 SFT 实战 | 查看 · 原文 | ✅ 已上线 |
| 监督微调 | 其他框架微调——ms-swift | 使用 ms-swift 框架进行微调 | 文档 | 🚧 建设中 |
| 多模态 | Qwen3-smVL 模型拼接微调 | 多模态模型拼接微调实战 | 文档 | 🚧 建设中 |
| 音频 | CosyVoice 微调派蒙语音 | 语音模型微调实战 | 文档 | 🚧 建设中 |
💡 案例持续迁移中，完成后将在 CANNLab 环境提供在线体验。
🔗 配套生态与社区资源
| 平台 | 说明 | |
|---|---|---|
| 📖 学 | cann-learning-hub（本仓） | 系列教程 + 快速上手 + 参考实践 + 技术博客 |
| 🏋️ 练 | CANNJudge | 开放题库，Ascend C 算子编程在线刷题，实时评测 |
| 🔬 练 | CANNLab | 任意 CANN 代码仓右上角一键启动，获得 NPU 环境用于练习 & 调测（初始 100 小时，积分可兑换时长） |
| 🏆 赛 | CANN 大赛专区 | 官方 / 社区大赛报名入口，与全国开发者同台竞技 |
💡 推荐路径：选方向 → 看教程 → 去 CANNJudge 刷题 / CANNLab 实验 → 参赛验证 → 贡献你的实践（PR 到 contrib/）
查看目录结构
├── quick_start # 快速入门
│ ├── cann_basics # CANN 基础知识（4 篇 + 课件）
│ ├── first_custom_operator # 第一个自定义算子
│ ├── first_operator_api_call # 第一个算子 API 调用
│ └── first_llm_inference # 第一个大模型推理和优化
├── tutorials # 开发教程
│ ├── ascendc_operator_development # Ascend C 算子开发（8 章）
│ ├── ascendc_operator_development_light # Ascend C 算子开发（Kernel 直调版，4 章）
│ ├── conv_operator_development # Conv 算子开发实战
│ ├── MC2_fused_operator_development # MC2 融合算子开发实战
│ ├── llm_inference # 大模型推理系列课程
│ ├── hixl_development # HiXL 单边通信应用开发（4 章）
│ └── ... # 待扩展（PyPTO / TileLang 等）
├── reference_practice # 参考实践
│ ├── model_inference_optimization # 模型推理优化
│ │ └── sana_video # Sana-Video 推理优化
│ └── pytorch_online_inference_operator_optimize # PyTorch 在线推理算子优化
├── blogs # 技术博客
│ ├── operator # 算子（13 篇）
│ ├── inference # 推理（12 篇）
│ └── training # 训练（3 篇）
├── contrib # 社区贡献
│ └── tutorials # 外部贡献教程
│ ├── torch-rechub # Torch-RecHub 推荐系统实战教程
│ ├── swan_llm_course # SwanLab 共建：LLM 微调实战
│ └── swanlab_examples # SwanLab 共建：训练实战案例（建设中）
├── skills # CANNBot 技能
│ ├── ascendc-ops-project # 自定义算子工程生成
│ └── cannjudge-submit # CANNJudge 竞赛提交
├── docs # 文档与指南
│ ├── cannlab_env_experience_guide.md # CANNLab 环境体验指南
│ └── acceptance_criteria_for_new_course_submission_and_launch.md # 新课程上库与上线验收标准
└── README.md
查看技术博客（大部分为真实客户实践案例，算子 13 篇 / 推理 12 篇 / 训练 3 篇）
CANN 在实际业务场景中的最新技术实践与成果。
| 博客 | 简介 | 时间 |
|---|---|---|
| 算子 | ||
| AICPU 点对点通信算子开发 | 基于 AICPU+TS 实现 HCCL 自定义 Send/Recv 算子 | 2026.2 |
| AICPU Tiling 下沉编程 | Tiling 计算下沉到 AICPU，减少 Host 与 Device 交互 | 2025.12 |
| Ascend C RTC 即时编译 | 运行时按 shape 即时编译，兼顾性能与迭代灵活性 | 2025.12 |
| DeepXTrace 快慢卡在线检测 | MOE 推理集群轻量级快慢卡诊断，分钟级定位 | 2025.12 |
| HCCL ReduceScatter 精度优化 | 开源 ReduceScatter 精度增强改造 | 2025.12 |
| MIX 算子开发贡献 | 矩阵化重构 RoPE，落地首个开源 MIX 算子 | 2025.12 |
| CrossEntropyLoss 与 Zloss 融合 | 损失函数融合，MoE 场景端到端 5.2% 效率提升 | 2025.11 |
| 算子 Kernel 直调编程 | 异构混合编程，简化编译部署，降低开发门槛 | 2025.11 |
| TilingKey 模板化编程 | 统一多场景算子管理，减少 icache miss | 2025.11 |
| Ascend C 矩阵乘接口选型指南 | 矩阵乘 API 接口对比与选型建议 | 2025.10 |
| msSanitizer 异常检测工具 | 单算子开发异常检测，定位内存访问、数据竞争与同步问题 | 2025.10 |
| NDDMA 多维数据搬运 | 多维 DMA 搬运与 Padding、Transpose、Broadcast、Slice 变换 | 2025.10 |
| Regbase 编程范式 | 从向量加法理解寄存器级编程与底层性能优化 | 2025.10 |
| 推理 | ||
| Overlap Scheduling 吞吐优化 | CPU 与 NPU 执行重叠，TPS 提升约 70% | 2026.3 |
| npugraph_ex 第三方框架集成 | 图编译与编译缓存能力接入，降低冷启动耗时 | 2026.2 |
| Deepseek-R1 SuperPoD 推理优化 | 全栈协同，TTFT<2s、TPOT<50ms，608 QPM | 2025.12 |
| HIXL、Mooncake 与 vLLM KV Cache 池化 | KV Cache 池化 + D2D/H2H 传输，降低 TTFT | 2025.12 |
| HIXL RL 长尾时延优化 | PD 分离与高效传输，缓解千卡集群长尾 | 2025.12 |
| LongCat-Flash SuperPod 推理优化 | 多流并发 + 控核 + SuperKernel，TPOT 10ms | 2025.12 |
| npugraph_ex 图模式优化 | aclGraph 图捕获与重放，减少 Host 下发 | 2025.12 |
| torch_npu IPC 特性 | 跨进程共享设备内存，节省显存 | 2025.12 |
| TorchAir 自定义 FX Pass | 多流并行自动图变换，减少适配代码 | 2025.12 |
| SGLang、Mooncake 与 HIXL PD 分离 | 加速 PD 分离 D2D 特性落地 | 2025.11 |
| SuperKernel 技术综述 | 整网编译为大算子，性能再提升 10%-20% | 2025.11 |
| vLLM-Ascend 推理优化 | PagedAttention + 昇腾适配，提升吞吐 | 2025.11 |
| 训练 | ||
| AReaL 全异步 RL 训练 | 全异步 RL + Single Controller，解耦式 Agentic RL | 2026.3 |
| FlashRecovery 训练故障恢复 | 降低检查点 I/O 与回滚重算损失 | 2025.12 |
| SAM 投机解码 RL 训练 | 无辅助模型 SAM 投机解码，超 35% 长尾加速 | 2025.12 |
📝 更新日志
查看版本配套信息
本项目源码会基于CANN软件的非beta版本进行全量验证，关于CANN软件版本与本项目标签的对应关系请参阅release仓库中的相应版本说明，已验证情况如下表所示。
| 已验证支持CANN版本 | 验证日期 |
|---|---|
| 9.0.0 | 2026.06.30 |
🔥 Latest News
- [2026/07] 新增Ascend C 算子开发系列（Kernel 直调版）教程，覆盖算子开发基础概念、Ascend C 编程范式、Vector/Cube/融合算子开发与性能优化实战。
- [2026/07] 新增大模型推理系列课程，涵盖大语言模型基础、CANN 推理仓库、推理优化、量化与 Profiling，并提供 Qwen3-8B 单卡实践。
- [2026/07] 新增Conv 算子开发实战教程，覆盖卷积算子开发核心概念与实践。
- [2026/06] cann-learning-hub在线体验适配cann9.0.0
- [2026/05] cann-learning-hub新增MC2融合算子开发系列教程，讲解MC2融合算子核心概念与开发方法。
- [2026/05] 新增HIXL应用开发系列教程，讲解昇腾单边通信库核心概念与开发方法。
- [2026/04] cann-learning-hub新增skills目录，包含CANNJudge竞赛skill及自定义算子工程算子生成skill。
- [2026/03] cann-learning-hub技术博客内容添加(blogs目录)
- [2026/03] cann-learning-hub项目首次上线。