pytorch标签_人工智能6S服务平台

pytorch

昇腾平台 + PyTorch 虚拟机安装与部署

昇腾 + PyTorch 虚拟机方案为 AI 开发者提供了轻量化、隔离化、高兼容的开发环境，通过硬件直通技术释放 NPU 算力，兼容原生 PyTorch 使用习惯，降低昇腾生态入门门槛。该方案支持模型训练、推理、量化全流程，可与昇思 MindSpore 量化工具配合使用，实现高精度、高压缩率模型部署。

昇思MindSpore
1天前

 53

 1

#pytorch #人工智能 #python
一天一个昇腾 Agent-Skills 小技巧：让Ascend for PyTorch开发告别经验主义

它们不是难在代码本身，而是那条"先做什么、再做什么、出错往哪查"藏在资深工程师脑子里的路径地图。。

csdn_nokehubert
2026-08-24 23:03:00

 281

 7

#人工智能 #pytorch #python
GenMol 药物发现通用生成模型在昇腾 NPU 上的推理部署实践

本文记录 NVIDIA 药物发现通用分子生成模型 GenMol 迁移适配到华为昇腾（Ascend）NPU 平台的完整过程，涵盖模型原理、整体架构、环境搭建、推理代码解析、运行结果与常见问题，力求给出一份可复现的实操指南。

qq_45368619
2026-08-24 18:59:05

 332

 10

#python #pytorch #人工智能
GPTFF 通用 AI 力场在昇腾 NPU 上的部署与推理实践

本文记录无机材料通用力场 GPTFF 在华为昇腾（Ascend）NPU 平台上的部署与推理验证过程，涵盖模型原理、整体架构、环境搭建、推理代码解析、运行结果与常见问题，力求给出一份可复现的实操指南。

qq_45368619
2026-08-24 17:16:23

 316

 8

#人工智能 #python #pytorch
scGPT在昇腾的迁移部署

单细胞 RNA 测序（scRNA-seq）技术的爆发式发展，使人类细胞图谱等综合数据库的规模已膨胀至数千万个细胞。如何从海量且高度异质的单细胞数据中高效提取生物学知识——包括细胞类型识别、批次效应消除、基因扰动预测和调控网络推断——成为计算生物学的核心挑战。当前主流方法大多针对特定任务开发专用模型，导致"数据孤岛"和"任务孤岛"的局限。scGPT。

weixin_45870772
2026-08-24 15:06:21

 321

 3

#pytorch #python #自然语言处理 +1
基于鸿蒙OS开发静脉输液智能监控系统（5）-数据持久化服务设计

HarmonyOS 为应用开发者提供了多种数据持久化方案，每种方案都有其特定的适用场景和性能特征。在 IVGuard 项目的架构设计阶段，我们需要对这些方案进行深入对比分析，以选择最适合 MVP 阶段的数据持久化技术路线。

winter-light
2026-08-04 19:38:22

 248

 4

#harmonyos #pytorch #华为
昇腾平台小模型推理精度问题分析方法论

随着AI应用场景的多样化发展，开发者常需将已在GPU或CPU上训练好的小模型迁移至昇腾NPU上进行推理部署。然而，由于不同硬件平台在算子实现、数据类型支持等方面的差异，模型迁移后可能出现精度下降的问题。本文系统性地介绍了一套从整体输出比对到逐算子排查的精度定位方法论，并提供了常见精度问题的解决方案，帮助开发者高效完成模型迁移与精度调优。

frankliu233
2026-08-03 21:59:48

 523

 15

#人工智能 #pytorch
Ascend for PyTorch 分布式通信与并行训练问题排查记录

在分布式训练场景中，通信算子的正确性与稳定性直接影响模型训练的收敛效果与运行效率。本文记录了在昇腾NPU平台上使用PyTorch适配层（PTA）进行分布式训练过程中遇到的若干典型问题，涵盖通信接口的内存复用、子通信域销毁、算子执行异常、精度偏差及进程同步等多个方面。以下为各问题的详细分析与解决方案。报错信息版本信息问题描述该问题导致4个自定义API用例执行失败。问题分类：代码逻辑结论：问题由模块导

 Z-LittleQ
2026-08-03 10:28:36

 302

 9

#pytorch #分布式 #人工智能
ProteinBERT模型在昇腾平台的迁移pytorch实践

自监督深度语言建模在自然语言处理领域取得了前所未有的成功，近年来也被广泛应用于生物序列分析。然而，现有的蛋白质语言模型（如 ESM、TAPE-Transformer、ProtTrans 等）大多从自然语言领域直接引入现有架构和预训练任务，未能充分利用蛋白质的独特特性——蛋白质没有明确的多字母构建块（如单词和句子），长度变化远大于句子，且三维结构导致远距离位置之间存在大量相互作用。

weixin_45870772
2026-07-31 11:13:18

 303

 6

#pytorch #人工智能 #python
CHGNet模型在昇腾平台的迁移适配实践

在材料科学领域，密度泛函理论（DFT）是计算材料性质的金标准，但其高昂的计算成本严重制约了大规模材料筛选和分子动力学模拟的效率。机器学习势能（Machine Learning Potential, MLP）为这一问题提供了新的解决思路——通过在 DFT 数据上训练神经网络，实现接近 DFT 精度但快几个数量级的原子模拟。CHGNet。

weixin_45870772
2026-07-30 10:35:04

 227

 7

#语言模型 #人工智能 #pytorch +1
昇腾 NPU 实战：Goedel-Prover 自动定理证明模型部署全记录

数学定理的自动形式化证明，一直是 AI 领域最具挑战性的方向之一。与常规的文本生成不同，形式证明要求模型输出的每一步都必须经得起 Lean、Coq 等证明器严格编译与校验，错一个符号就可能导致整段证明失效。近年来，从 DeepSeek-Prover 到 Leanabell-Prover，开源社区在这条路上不断突破。而📌miniF2F Pass@32 达到 57.6%，超越 DeepSeek-Pr

qq_45368619
2026-07-30 10:50:35

 635

 20

#pytorch #python
Geneformer在昇腾NPU上的部署实战指南

单细胞转录组测序技术的快速发展，让人类能够以前所未有的分辨率观测基因表达状态。然而，基因调控网络的复杂性、疾病样本稀缺、以及批次效应等问题，使得传统的监督学习方法在许多生物学任务上难以取得稳定的效果。迁移学习和大规模预训练模型为这些问题提供了新的思路：先在海量无标注数据上学习通用的“基因语言”，再在小样本下游任务上进行微调。Geneformer正是这样一款面向单细胞转录组的基础 Transform

qq_45368619
2026-07-27 17:35:54

 454

 15

#python #pytorch
ESM-2 蛋白质语言模型在昇腾 NPU 上的推理部署

ESM-2（Evolutionary Scale Modeling 2）是 Meta AI（FAIR）推出的蛋白质语言模型，它把自然语言处理里的掩码语言建模（Masked Language Modeling, MLM）思想搬到了蛋白质序列上：把一条氨基酸序列看作一句"蛋白质语言"，通过在海量蛋白序列（UniRef50）上做自监督预训练，让模型学会氨基酸之间的进化与结构约束。和依赖多序列比对（MSA

weixin_45870772
2026-07-14 15:29:24

 607

 7

#语言模型 #人工智能 #自然语言处理 +2
鸿蒙新特性：V2 状态管理 @ObservedV2 与 @ComponentV2 实战 — 构建响应式档案编辑器

摘要 HarmonyOS NEXT 引入的 V2 状态管理系统解决了 ArkUI V1 状态管理的核心痛点。V2 通过 @ObservedV2 和 @Trace 实现细粒度属性追踪，无需对象整体替换；@ComponentV2 组件支持更高效的依赖追踪渲染；新增 @Computed 计算属性和 @Monitor 声明式监听简化开发。相比 V1 的粗粒度更新和繁琐的对象操作，V2 提供了更精细、更声明

 雨季666
2026-07-10 14:50:25

 27

#编辑器 #harmonyos #华为 +3
鸿蒙新特性：@ohos.mediaquery 响应式布局实战 — 构建自适应多列界面

文章摘要本文介绍了HarmonyOS NEXT中基于@ohos.mediaquery的响应式布局实现方法，帮助开发者适配不同屏幕尺寸的设备。通过matchMediaSync和MediaQueryListener等核心API，可以动态检测屏幕方向、尺寸等条件，并在条件变化时切换布局策略。文章提出三档断点策略（手机竖屏、手机横屏、平板），结合Grid.columnsTemplate动态调整列数，实现

 雨季666
2026-07-10 13:52:57

 317

 9

#harmonyos #华为 #windows +2
鸿蒙新特性：主题定制与动态换肤实战 — 构建设计系统色彩工坊

摘要：ArkUI主题系统设计与实现本文介绍了在HarmonyOS NEXT ArkUI中构建主题色彩系统的完整方案。通过定义primaryColor、accentColor等5个核心色彩令牌，实现了预设主题一键切换和自定义色彩调整功能。系统采用@State响应式变量管理主题状态，组件自动响应颜色变化。关键实现包括：预设主题批处理更新、色板网格选择器、动态高亮交互设计，以及自定义状态标记。该方案解

 雨季666
2026-07-09 16:33:30

 36

#harmonyos #华为 #windows +2
鸿蒙新特性：ScrollBar 滚动条定制与文档阅读器实战

HarmonyOS NEXT ArkUI 滚动条定制指南本文详细介绍了如何在 HarmonyOS NEXT 中使用 ArkUI 定制 Scroll 组件的滚动条功能，包括： BarState 三态控制：On（始终可见）、Off（隐藏）、Auto（默认自动显隐）三种模式及其适用场景样式自定义：使用 scrollBarColor() 和 scrollBarWidth() 调整颜色和宽度编程控制：

雨季666
2026-07-09 15:40:20

 258

 8

#harmonyos #华为 #windows +2
【HarmonyOS 5】鸿蒙应用代码控制横竖屏切换，自动切换横竖屏，监听横竖屏以及注意事项

HarmonyOS屏幕方向控制指南本文详细介绍了HarmonyOS中横竖屏切换的实现方法，涵盖两种控制方式：配置文件固定方向：适用于登录页、游戏等全局固定场景，通过module.json5配置。代码动态控制（推荐）：使用window.setPreferredOrientation()实现灵活切换，适合视频播放器、阅读器等场景。核心功能包括：固定竖屏/横屏自动旋转监听方向变化（通过wi

油墨香^_^
2026-07-09 00:03:03

 350

 9

#pytorch #人工智能 #python
小模型在昇腾NPU上的推理部署：【小模型Triton Inference Server服务化方案】

本文主要介绍目前小模型领域的服务化情况和Triton Inference Server方案，这也是目前昇腾在小模型服务化的主打方案，并详细介绍三条路径，Python backend、GE custom backend和ONNX-RUNTIME backend子方案。

spinning~
2026-07-08 17:22:13

 343

 9

#人工智能 #pytorch #计算机视觉 +4
小模型在昇腾NPU上的推理部署：【AI Agent 驱动的 NPU 模型打通与高并发服务化系统开发】

本文详细记录了利用AI Agent辅助打通Qwen3-ForcedAligner和Qwen3-ASR双模型构建实时语音转写与逐词对齐系统的全过程。目标是在一台Atlas 800T A2服务器上实现高并发服务化系统，最大化系统吞吐量。文章分为七个阶段，从单模型打通到双模型联立，再到多卡调度与多进程集群的实现，最终形成了一套完整的生产级服务化系统。项目中，AI Agent在环境配置、性能优化、瓶颈定位

 spinning~
2026-07-08 16:58:04

 345

 8

#人工智能 #pytorch #计算机视觉
小模型在昇腾NPU上的推理部署：【MinerU 性能调优】

MinerU是一个高质量的开源工具，能够将包含图片、表格、公式等元素的多模态PDF文档转化为清晰、易于分析的Markdown格式，同时也支持从包含广告等干扰信息的网页中快速解析、抽取正式内容，并将其批量转化为Markdown格式，本文基于昇腾平台，针对 MinerU 的多个核心模块进行适配与优化，旨在提升整体推理效率。

ღ温酒叙余生ღ᭄ꦿ࿐
2026-07-08 16:55:22

 303

 5

#pytorch #人工智能 #python +1
鸿蒙新特性：Menu 菜单组件——构建文档管理器

本文介绍了在HarmonyOS NEXT中使用ArkUI实现动态列表弹出菜单的两种方案。针对bindMenu API在动态列表场景下的局限性（索引传递困难、单例菜单冲突等问题），提出了一种基于Stack+条件渲染+position定位的自定义菜单方案。该方案通过单一状态变量menuIdx管理菜单展开状态，结合Stack容器和精准定位实现灵活布局。文章以文档管理器为例，详细展示了菜单触发机制、样式设

 雨季666
2026-07-08 15:32:31

 20

#harmonyos #华为 #windows +2
鸿蒙新特性：Checkbox 复选框组件——构建任务清单

本文摘要：《HarmonyOS NEXT ArkUI Checkbox组件与任务清单开发指南》详细介绍了ArkUI中Checkbox复选框控件的使用方法和应用场景。文章首先解析Checkbox的API特性，包括name标识、group分组管理、.select()状态控制和onChange回调机制，特别指出与Radio组件的关键区别。随后通过构建一个功能完整的任务清单Demo，展示了如何实现任务添

 雨季666
2026-07-08 14:37:18

 330

 7

#harmonyos #华为 #windows +2
鸿蒙新特性：Tabs 标签页组件——构建设置中心与多视图导航

本文深入讲解 HarmonyOS NEXT ArkUI 的 Tabs 组件，通过构建一个"设置中心"应用，展示了标签页的完整实现方案。文章首先介绍 Tabs 组件的基本用法和核心属性，包括标签栏模式选择（Fixed/Scrollable）和双向绑定机制；然后详细解析自定义标签栏的设计方法，通过 @Builder 实现选中态视觉差异；最后构建了一个包含三个标签页的设置中心应用，涵盖通用设置、通知管理

 雨季666
2026-07-07 14:06:31

 79

#harmonyos #华为 #windows +2
鸿蒙新特性：Select 与 TextArea —— 构建用户反馈表单

HarmonyOS NEXT ArkUI 表单组件详解：构建用户反馈应用本文深入讲解了HarmonyOS NEXT中ArkUI的Select和TextArea组件使用方法，并演示如何构建一个完整的用户反馈应用。核心内容包括： Select下拉选择器：支持文本和图标选项需同步selected索引和value文本值样式定制技巧（字体、颜色、选项背景） TextArea多行输入框：与TextI

雨季666
2026-07-07 13:08:52

 290

 2

#harmonyos #华为 #windows +2
Car-Design模型在昇腾平台的迁移适配实践

随着汽车工业对气动性能仿真精度与效率要求的不断提升，传统计算流体力学（CFD）方法在高复杂度三维车体几何场景下面临计算资源消耗大、仿真周期长等挑战。基于深度学习的神经偏微分方程（PDE）求解器为这一问题提供了新的解决思路。本文介绍Car-Design-ShapeNetCar模型——一款基于Transformer改进的神经PDE求解器，并详细阐述其在昇腾AI平台上的部署、迁移与性能优化实践，为工业级

 flow blue
2026-07-07 11:14:50

 260

 7

#python #pytorch #人工智能
小模型在昇腾NPU上的推理部署：【Triton-NPU初了解与使用】

模型服务化是将训练好的模型包装成一个可以通过网络访问的标准化服务的过程。将模型部署在一个专门的服务中，而其他的程序不需要关心模型所有的细节，只需要通过网络协议（HTTP/gRPC) 发送数据并且接收预测结果即可。Triton Inference Server 是一个开源的高性能推理服务框架，支持 TensorFlow、PyTorch、ONNX 等多种模型，并可在 GPU、CPU 和 NPU 等异构

 ღ温酒叙余生ღ᭄ꦿ࿐
2026-07-07 10:18:26

 278

 9

#macos #xcode #pytorch +1
从算子开发到模型迁移：MindStudio 工具链深度调优指南

昇腾AI开发全流程实战解析本文系统介绍了基于MindStudio的昇腾AI开发全流程，涵盖算子开发、模型迁移与性能调优三大核心场景。通过Ascend C算子开发示例展示硬件级调试技巧，结合msDebug和msSanitizer工具实现NPU执行过程的可视化与异常检测。针对模型迁移场景，详细讲解PyTorch GPU2Ascend自动迁移和TensorFlow算子适配插件开发方法。并以CrossE

circuitsosk
2026-07-06 19:17:23

 289

 4

#python #人工智能 #深度学习 +1
鸿蒙新特性：侧栏导航与文件管理——构建双栏布局与文档浏览器

本文介绍了在HarmonyOS NEXT中使用ArkUI实现双栏布局(Master-Detail)文件管理器的关键技术与设计要点。通过Row组件构建主从视图，左侧固定宽度的导航栏展示文件夹分类，右侧使用layoutWeight(1)的自适应区域显示文件列表。文章详细讲解了数据模型设计、文件筛选排序逻辑（包括名称、大小、日期三种排序方式）、响应式布局（支持侧栏显隐切换）以及文件行UI设计规范，强调通

 雨季666
2026-07-06 14:25:18

 44

#harmonyos #华为 #windows +2
鸿蒙新特性：步骤引导模式——构建分步流程与进度导航

本文介绍了在HarmonyOS NEXT ArkUI中构建步骤引导(Stepper)系统的完整方案。文章首先分析了分步引导的设计原理，指出通过"渐进式信息披露"能有效提升20-30%的完成率。随后详细讲解了四个核心元素的实现：进度指示器：采用带编号圆点+连接线，区分已完成/进行中/待完成三种状态步骤内容区：通过条件渲染展示不同步骤的表单内容导航按钮：实现上一步/下一步逻辑和视觉反馈完成状态

 雨季666
2026-07-06 13:08:31

 304

 6

#harmonyos #华为 #windows +2
Lagrangian_MGN粒子流体仿真模型在NPU上的迁移部署指南

Lagrangian_MGN 是 NVIDIA PhysicsNeMo 中基于图神经网络的拉格朗日粒子流体仿真模型，适用于无网格粒子型流体、固体及可变形材料的模拟。该模型将粒子视为图节点，相互作用视为边，通过自回归方式预测粒子加速度与轨迹，相比传统 CFD 方法可提速 100–1000 倍。本文以开发者视角，详细记录在昇腾 NPU 环境下完成模型环境搭建、数据准备、训练迁移及性能验证的全过程，为同

 flow blue
2026-07-06 11:11:32

 186

 5

#pytorch
HarmonyOS APP《画伴梦工厂》开发第35篇-鸿蒙断点系统——BreakpointSystem原理

在breakpointsSmName: 'sm', // 小屏breakpointsMdName: 'md', // 中屏breakpointsLgName: 'lg', // 大屏breakpointsXlName: 'xl', // 超大屏breakpointsSmSize: 0, // sm 起始宽度breakpointsMdSize: 600, // md 起始宽度breakpointsL

言程序plus
2026-07-06 08:38:23

 221

 6

#harmonyos #pytorch #深度学习
鸿蒙新特性：Grid 网格布局组件详解——构建动态照片画廊

摘要： ArkUI的Grid组件是HarmonyOS NEXT中实现等分网格布局的核心工具，通过columnsTemplate属性定义列数与列宽，配合GridItem构建规整的网格视图。本文以动态照片画廊为例，详解Grid的核心API，包括列模板动态构建、间距控制及交互设计。案例支持2/3/4列切换、卡片多选（边框高亮+阴影反馈）和选择管理功能，对比了Grid与List、WaterFlow的适用场

 雨季666
2026-07-05 15:39:30

 44

#harmonyos #windows #华为 +3
鸿蒙新特性：TextTimer 计时器组件详解——从番茄钟到验证码倒计时的通用方案

本文介绍了HarmonyOS NEXT ArkUI中的TextTimer组件，这是一个专为倒计时和正计时设计的计时器控件。通过对比TextClock与TextTimer的核心差异，文章重点解析了TextTimer的API特性，包括构造函数参数、控制器方法和显示格式。随后以一个完整的"专注计时器"（番茄钟）为实战案例，详细展示了如何实现计时器状态管理、预设选择、控制按钮交互等功能模块。案例涵盖了从2

雨季666
2026-07-05 13:48:04

 265

 6

#深度学习 #pytorch #人工智能 +4
HarmonyOS APP《画伴梦工厂》开发第41篇-多设备形态适配——手机/平板/折叠屏/2in1

在breakpointsSmName: 'sm', // 小屏breakpointsMdName: 'md', // 中屏breakpointsLgName: 'lg', // 大屏breakpointsXlName: 'xl', // 超大屏breakpointsSmSize: 0, // sm 起始宽度breakpointsMdSize: 600, // md 起始宽度breakpointsL

言程序plus
2026-07-03 08:16:53

 165

 4

#harmonyos #pytorch #深度学习
小模型在昇腾NPU上的推理部署：【onnx模型逆向转pytorch】

在实际开发中，我们通常使用 PyTorch 训练模型，并通过将其导出为 ONNX 格式，以便在不同框架或推理引擎中部署。然而，有时我们只拥有 ONNX 模型文件，却丢失了原始的 PyTorch 代码或权重文件。此时，如何将 ONNX 模型逆向转换回 PyTorch 格式，便成为一个实际需求。本文将介绍社区中可行的转换方案及其注意事项。ONNX 转 PyTorch 虽无官方支持，但借助社区工具可以解

 ღ温酒叙余生ღ᭄ꦿ࿐
2026-06-29 15:32:29

 794

 5

#pytorch #人工智能 #python
【强化学习】知识地图

本博客旨在对已发表在社区的强化学习相关的博客进行整理归类，方便用户导航使用。一下文章所用的机器均为昇腾相关设备。强化学习系列将划分为【强化学习算法】、【强化学习框架】、【模型部署实践】、【模型适配调优】、【训推引擎】五大类。

friezanmmm
2026-01-10 21:27:17

 351

 4

#人工智能 #python #算法 +3
昇腾多机训练中HCCL通信问题的分析与解决

在大规模深度学习训练任务中，多机多卡分布式训练已成为提升训练效率的主流方式。在实际使用PyTorch框架结合昇腾CANN进行8机训练任务时，我们遇到了任务拉起失败的问题。本文记录了该问题的详细排查过程与解决方案，旨在为遇到类似问题的开发者提供参考。本文分析了基于PyTorch和CANN进行多机分布式训练时出现的HCCL建链超时问题，并提供了通过指定通信网卡和调整超时配置的有效解决方案。在类似的大规

 flow blue
2026-06-16 16:45:54

 267

 4

#pytorch
Qwen3.5-35B-VeRL-FSDP 功能适配实践

在大模型强化学习训练场景中，Qwen3.5-35B相比同类模型展现出更快的训练速度和更高的收敛效率，能够在更少的训练步数和更短的单步时间内达到优异的测试集准确率。为充分发挥其性能优势，我们基于昇腾硬件平台实现了VeRL强化学习训练框架的适配，以支持更大规模的分布式训练和多模态任务。

MikeQuan0425
2026-06-11 20:30:05

 442

 4

#pytorch #深度学习
基于昇腾RecSDK的Recsys-GR部署指南

生成式推荐（Generative Recommendation, GR）作为新一代推荐技术范式，突破了传统协同过滤、深度学习推荐模型的特征交互局限，通过生成式建模实现用户长序列兴趣的精准捕捉，已成为搜广推领域的核心技术方向。

Tuque
2026-06-11 20:03:47

 403

 5

#python #人工智能 #深度学习 +2