Desarrollo de operadores de IA personalizados con CANN TIK y TVM

Introducción al desarrollo de operadores personalizados

• ¿Por qué construir operadores personalizados? Casos de uso y restricciones
• Estructura del tiempo de ejecución de CANN y puntos de integración de operadores
• Visión general de TBE, TIK y TVM en el ecosistema de IA de Huawei

Uso de TIK para la programación de operadores a bajo nivel

• Comprensión del modelo de programación de TIK y las APIs soportadas
• Gestión de memoria y estrategia de particionado (tiling) en TIK
• Creación, compilación y registro de una operación personalizada con CANN

Pruebas y validación de operaciones personalizadas

• Pruebas unitarias e integración de operaciones en el grafo
• Depuración de problemas de rendimiento a nivel de kernel
• Visualización de la ejecución de operaciones y el comportamiento de los buffers

Planificación y optimización basadas en TVM

• Visión general de TVM como compilador para operaciones de tensores
• Escritura de una planificación (schedule) para una operación personalizada en TVM
• Ajuste (tuning), benchmarking y generación de código para Ascend en TVM

Integración con frameworks y modelos

• Registro de operaciones personalizadas para MindSpore y ONNX
• Verificación de la integridad del modelo y el comportamiento de respaldo (fallback)
• Soporte para grafos con múltiples operadores y precisión mixta

Estudios de caso y optimizaciones especializadas

• Estudio de caso: convolución de alta eficiencia para formas de entrada pequeñas
• Estudio de caso: optimización de operador de atención consciente de la memoria
• Mejores prácticas en la implementación de operaciones personalizadas entre dispositivos

Resumen y próximos pasos