AnswersPublished19 sources
Daripada belajar kepada menguji kod: ekosistem pembangun CANN Huawei
Pada 16 Oktober 2026, Lixin Shao dari Huawei menerangkan bagaimana CANN menghubungkan rangka kerja AI dengan pemproses Ascend, sambil mengetengahkan alat untuk pembelajaran dan kerja kejuruteraan.[2][20] CANNLab menyokong pembangunan operator Ascend C dan PyPTO, semakan penggunaan model serta pelarasan prestasi. CAN...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Pada 16 Oktober 2026, Lixin Shao dari Huawei menerangkan bagaimana CANN menghubungkan rangka kerja AI dengan pemproses Ascend, sambil mengetengahkan alat untuk pembelajaran dan kerja kejuruteraan.[2][20]
- CANNLab menyokong pembangunan operator Ascend C dan PyPTO, semakan penggunaan model serta pelarasan prestasi.
- CANN Samples menyediakan contoh pelaksanaan dan pengoptimuman operator; repositori komuniti pula menggambarkan CANNBot sebagai pembantu pembangunan automatik berbilang ejen.[19][27]
- Alat dan bahan pembelajaran ini ialah sebahagian daripada sokongan untuk pembangun—bukan bukti bahawa setiap komponen CANN telah diterbitkan sebagai sumber terbuka.[43][47]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Huawei’s CANN business general manager Lixin Shao describe the practical developer base for its open Ascend CANN stack at GOSIM Shen. Article summary: Shao presented CANN’s developer ecosystem as a practical bridge from AI coursework to real engineering work: open technical assets, online compute and development tools intended to help students, researchers and develope. Topic tags: general, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
Di GOSIM Shenzhen pada 16 Oktober 2026, pengurus besar perniagaan CANN Huawei, Lixin Shao, membentangkan usaha membina laluan yang lebih praktikal untuk pembangun mengenali dan mencuba teknologi Ascend. Tumpuannya merangkumi sumber teknikal, persekitaran pembangunan awan, tutorial dan projek komuniti—bukan sekadar pengumuman tentang keterbukaan kod.2
20
43
CANN dalam ekosistem Ascend
CANN ialah seni bina pengkomputeran heterogen Huawei yang menjadi lapisan penghubung antara rangka kerja AI dengan pemproses Ascend. Ia menyediakan keupayaan asas untuk pembangunan operator, latihan model dan inferens—iaitu proses menggunakan model terlatih untuk menghasilkan ramalan atau output.2
20
Bagi pembangun, akses kepada kod sahaja tidak semestinya mencukupi. Mereka juga memerlukan persekitaran untuk membina, menguji dan melaraskan perisian agar berfungsi dengan perkakasan yang digunakan.
Makmal awan dan pembelajaran secara amali
Menurut laporan mengenai pembentangan Shao, CANNLab menyediakan persekitaran awan untuk membangunkan operator menggunakan Ascend C dan PyPTO, mengesahkan penggunaan model serta melaraskan prestasi.2
20
Repositori CANN Learning Hub pula mengarahkan pengguna ke CANNLab untuk menjalankan tutorial. Ia menyatakan persekitaran awan NPU baharu bermula dengan 100 jam akses; masa tambahan boleh diperoleh menggunakan mata. Jadi, angka itu merujuk kepada akses awal yang dinyatakan dalam repositori, bukannya bukti bahawa kuasa pengkomputeran percuma tersedia tanpa had.18
28
Learning Hub menyusun tutorial dan menghubungkan pengguna kepada bahan pembelajaran pada tahap berbeza. Projek CANN-Samples yang berkaitan menghimpunkan contoh pelaksanaan operator, penerangan pengoptimuman, serta panduan untuk menyusun, menjalankan dan menyemak ketepatan kod.18
19
28
Alat bantuan dan sumbangan komuniti
Repositori komuniti CANN menggambarkan CANNBot sebagai pembantu automatik berbilang ejen yang boleh menjana kod, membantu menyelesaikan masalah, membaiki isu dan melaraskan prestasi.27 Contoh komuniti turut menunjukkan aliran kerja yang melibatkan analisis operator, penjanaan kod, pengesahan ketepatan dan pengoptimuman prestasi.
49
Pembentangan Shao menekankan usaha menghubungkan pembelajaran dalam kursus dengan tugasan kejuruteraan sebenar, serta menggalakkan penyertaan pelajar, penyelidik dan pembangun.2
20 Laporan berkenaan juga menyebut struktur tadbir urus komuniti yang merangkumi jawatankuasa pemandu teknikal, jawatankuasa pengurusan projek dan kumpulan minat khas.
2
20
Bagaimana ia berbeza daripada rancangan sumber terbuka 2025
Pada 2025, Huawei mengumumkan inisiatif sumber terbuka dan akses terbuka untuk CANN. Kenyataan awamnya menyebut usaha membuka CANN kepada ekosistem Ascend; satu ucapan berasingan pula menyatakan rancangan untuk membuka antara muka pengkompil dan set arahan maya, serta menjadikan perisian lain sumber terbuka mengikut garis masa yang dinyatakan.43
47
Liputan GOSIM Shenzhen pada 2026 lebih tertumpu pada lapisan sokongan praktikal di sekeliling usaha itu—seperti persekitaran pembangunan, alat, bahan pembelajaran dan penyertaan komuniti.2
20 Kewujudan perkhidmatan ini sahaja tidak membuktikan bahawa setiap komponen CANN telah dikeluarkan di bawah lesen sumber terbuka. Komitmen membuka kod dan menyediakan laluan yang boleh digunakan pembangun ialah perkara berkaitan, tetapi kedua-duanya bukan dakwaan yang sama.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Daripada belajar kepada menguji kod: ekosistem pembangun CANN Huawei"?
Pada 16 Oktober 2026, Lixin Shao dari Huawei menerangkan bagaimana CANN menghubungkan rangka kerja AI dengan pemproses Ascend, sambil mengetengahkan alat untuk pembelajaran dan kerja kejuruteraan.[2][20]
What are the key points to validate first?
Pada 16 Oktober 2026, Lixin Shao dari Huawei menerangkan bagaimana CANN menghubungkan rangka kerja AI dengan pemproses Ascend, sambil mengetengahkan alat untuk pembelajaran dan kerja kejuruteraan.[2][20] CANNLab menyokong pembangunan operator Ascend C dan PyPTO, semakan penggunaan model serta pelarasan prestasi.
What should I do next in practice?
CANN Samples menyediakan contoh pelaksanaan dan pengoptimuman operator; repositori komuniti pula menggambarkan CANNBot sebagai pembantu pembangunan automatik berbilang ejen.[19][27]