##引言

昇腾（Ascend）计算平台为AI开发提供了强大的算力支持，而AscendCann（CANN）作为其配套的开发工具包，是构建高性能算子和模型的关键。本文将深入解析AscendCann的核心特性、环境配置要点，并通过代码示例展示其基本用法，助力开发者更高效地利用昇腾硬件资源。

---

## 一、AscendCann概述与版本选择

AscendCann工具包支持多种硬件架构，主要提供x86和aarch64两个版本。针对不同芯片如Ascend 910B训练卡和Ascend 310推理卡，CANN提供了不同的Kernel安装包。值得注意的是，即使在本地硬件中没有物理昇腾卡的情况下，开发者仍可使用部分工具功能，例如进行离线模型生成（如ATC工具转换生成OM模型）。

- CANN异构计算架构：CANN是昇腾针对AI场景推出的异构计算架构，其核心定位是为AI应用提供一个统一的、高效的编程与运行环境，屏蔽底层硬件的复杂性，同时提供丰富的优化能力。 
​
- AscendCL逻辑架构：AscendCL是CANN对外暴露的统一编程接口，为应用开发者提供了C/C++和Python等多种语言的API。开发者可通过AscendCL进行设备管理、模型加载与执行等底层操作。 
​
- ATC工具介绍 ：ATC（Ascend Tensor Compiler）是昇腾CANN架构体系下的模型转换工具，可以将开源框架的网络模型转换为昇腾AI处理器支持的.om格式模型文件。

**环境依赖提示**：
- 若使用Ascend 310B4，需注意其CCE指令集与910B4完全不同。
- 310B4通过宏定义`__DAV_M300__`标识NPU指令状态，而非910B的`__DAV_C220_VEC__`或`__DAV_C220_CUBE__`。

##

# 使用Stub库编译  
g++ main.cpp -L{安装路径}/runtime/lib64/stub -lascendcl  

# 使用标准库部署  
g++ main.cpp -L{安装路径}/runtime/lib64 -lascendcl  
 

## 三、代码示例：基础操作与指令区分

以下示例演示了如何根据设备类型选择不同的计算路径：

```c
#include <stdio.h>
#include <stdlib.h>

// 示例：根据不同硬件平台执行不同计算逻辑
void execute_computation() {
#if defined(__DAV_M300__)
    printf("Running on Ascend 310B4 architecture.\n");
    // 此处添加310B4专用的CCE指令或计算逻辑
#elif defined(__DAV_C220_VEC__) || defined(__DAV_C220_CUBE__)
    printf("Running on Ascend 910B architecture.\n");
    // 此处添加910B专用的CCE指令或计算逻辑
#else
    printf("Running on simulation or stub mode.\n");
    // 无硬件环境下的模拟或测试逻辑
#endif
}

int main() {
    execute_computation();
    return 0;
}
 

四、实用技巧：启动Jupyter Notebook

对于偏好交互式开发的用户，可通过以下脚本启动Jupyter服务：

# 进入默认示例目录并启动Notebook
cd ~/samples/notebooks/
./start_notebook.sh --ip 0.0.0.0 --port 8888
 

结语

AscendCann工具包为昇腾开发者提供了从模型开发到部署的全链路支持。理解其多架构支持、Stub模式以及硬件指令差异，有助于在不同场景下灵活运用。建议读者结合实际项目需求，参考官方文档进一步探索高级特性，不断提升开发效率。

2025年昇腾CANN训练营第二季，基于CANN开源开放全场景，推出0基础入门系列、码力全开特辑、开发者案例等专题课程，助力不同阶段开发者快速提升算子开发技能。获得Ascend C算子中级认证，即可领取精美证书，完成社区任务更有机会赢取华为手机，平板、开发板等大奖。
报名链接:https://www.hiascend.com/developer/activities/cann20252