Construcción 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 de bajo nivel

• Comprensión del modelo de programación TIK y las API admitidas
• Gestión de memoria y estrategia de fragmentación (tiling) en TIK
• Creación, compilación y registro de un operador personalizado con CANN

Pruebas y validación de operadores personalizados

• Pruebas unitarias y de integración de operadores en el grafo
• Depuración de problemas de rendimiento a nivel de kernel
• Visualización de la ejecución de operadores y el comportamiento de búferes

Programación y optimización basada en TVM

• Visión general de TVM como compilador para operaciones de tensores
• Escritura de una programación (schedule) para un operador personalizado en TVM
• Ajuste (tuning), pruebas de rendimiento y generación de código de TVM para Ascend

Integración con frameworks y modelos

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

Casos de estudio y optimizaciones especializadas

• Caso de estudio: convolución de alta eficiencia para formas de entrada pequeñas
• Caso de estudio: optimización de operadores de atención con conciencia de memoria
• Mejores prácticas en la implementación de operadores personalizados en distintos dispositivos

Resumen y próximos pasos