从零上手 CANN 学习中心：像逛技术便利店一样学昇腾

这里为你整理了这两个仓库的深度解析与操作指南，你可以将其视为一份"开发实战手册"。

📚 仓库一：`cann-learning-hub`（学习地图）

定位：CANN 官方开源学习中心（知识库/教程/博客）。
核心价值：它不是代码库，而是**"导航图"**。它帮你解决"我该学什么"和"我该去哪里找答案"的问题。

1. 核心内容概览

根据网页数据，该仓库已重构为**"一站式成长链路"**，非常适合新手上手：

🚀 概述：提供 CANN 全栈加速计算的示例与最佳实践。
🧭 开发者学习路径：明确列出了从入门（算子开发）到进阶（训练/推理）的学习路线。
🔗 学 · 练 · 赛：打通了学习（本仓教程）、练习（CANNJudge 在线刷题）、实战（CANN 大赛）的闭环。
📝 技术博客：包含算子、推理、训练等方向的实战经验（如 Ascend C 矩阵乘接口选型、FlashAttention 优化等）。

2. 如何使用？

第一步 ：访问 cann-learning-hub。
第二步 ：根据你的技术方向，点击对应的文件夹（如 tutorials 或 blogs）。
第三步：阅读教程，按照指引操作（如克隆仓库、运行示例代码）。

⚙️ 仓库二：`ops-transformer`（实战工具）

定位：基于 CANN 的 Transformer 类大模型算子库（代码/工具/模板）。
核心价值 ：它是**"兵器库"**。当你通过 cann-learning-hub 学会了理论，就来这里拿现成的高性能算子（如 FlashAttention）集成到你的模型中。

1. 核心功能

算子开发：提供 Attention、MoE、FFN 等 Transformer 核心算子的 Ascend C 实现。
性能优化：包含 FlashAttention、Grouped MatMul 等优化算子，支持多 Ascend 产品（如 Ascend 910B）。
开发模板：提供标准的开发框架，方便开发者快速开发、调试和部署自定义算子。

2. 近期动态（2026年5月）

根据网页数据，该仓库非常活跃，近期重点优化了以下内容：

FlashAttention 优化 ：清理了无用代码，优化了内存管理（如 flash_attn 算子的清理与重构）。
GMM/MoE 算子：修复了量化路径下的 L2 Cache 关闭逻辑，提升了性能和稳定性。
文档与构建：更新了 API 文档，优化了 CMake 构建流程，增加了头文件弃用警告功能。

3. 如何使用？

第一步 ：访问 ops-transformer。

第二步 ：克隆仓库到本地。

bash 复制代码

git clone https://atomgit.com/cann/ops-transformer.git

第三步 ：根据你的需求，进入对应的算子目录（如 attention 或 moe），按照文档编译和调用。

🧭 结合使用指南：从"学会"到"会用"

这两个仓库是互补的，建议按照以下路径结合使用：

学习阶段（看 cann-learning-hub）
- 问题：我想优化模型的注意力机制。
- 动作：去 cann-learning-hub 的博客或教程区，搜索"FlashAttention"，阅读其原理和使用指南。
实战阶段（用 ops-transformer）
- 问题：我需要代码来实现 FlashAttention。
- 动作：去 ops-transformer 的 attention 目录，找到 flash_attn 算子的实现代码。根据文档编译并集成到你的 PyTorch/TensorFlow 模型中。
进阶阶段（回 cann-learning-hub）
- 问题：我的模型性能还是不够好，或者报错了。
- 动作：去 cann-learning-hub 的"性能调优"或"踩坑指南"部分，查找类似问题的解决方案，或者去社区提问。

📝 自检报告

自动化检查

✅ 通过

术语检查：昇腾CANN ✓、Ascend C ✓、FlashAttention ✓、PyTorch ✓、Ascend 910B ✓
禁用词扫描：未出现"值得注意的是""总而言之""综上所述"

架构校验