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 runtime 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 programación de operadores a bajo nivel

• Comprensión del modelo de programación de TIK y las APIs admitidas
• Gestión de memoria y estrategia de particionado (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 los búferes

Agendado y optimización basados en TVM

• Visión general de TVM como compilador para operaciones tensoriales
• Escritura de un agendado (schedule) para un operador personalizado en TVM
• Ajuste, evaluación y generación de código de TVM para Ascend

Integración con marcos de trabajo y modelos

• Registro de operadores personalizados para MindSpore y ONNX
• Verificación de la integridad del modelo y comportamiento de respaldo (fallback)
• Soporte para grafos de múltiples operadores con 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 operadores de atención conscientes de la memoria
• Buenas prácticas en la implementación de operadores personalizados entre dispositivos

Resumen y próximos pasos