Ascend C算子开发（入门）笔记

Ascend C算子开发（入门）笔记，包含 算子基本概念；Tensor、Shape、Format 与 Axis；算子运行演示；算子开发的问题与挑战；CANN 与 Ascend C；昇腾 AI 处理器架构；Ascend C 的特点；Host 与 Device；核函数；Hello World 算子实现；完整核函数实现；算子开发环境部署概述；CPU 上部署开发环境；香橙派上部署开发及运行环境；华为云 ModelArts 上部署开发与运行环境

Ascend C算子开发（进阶）笔记

Ascend C算子开发（进阶）笔记，包含 AI Core 架构抽象；Ascend C 编程对象；Vector 算子开发流程；Add 算子实现与运行验证；Host 侧实现；Tiling 下发；固定 Shape 与动态 Shape 的 Tiling；Shape 推导；算子原型注册；算子开发工程；Kernel 直调工程；自定义算子工程；算子工程编译与部署；Ascend C 基础 API 与高阶 API；Tensor 高维切分参数；数据搬运、内存管理与任务同步；算子的多种调用方式；Kernel 直调；Ascend CL 调用算子；PyTorch 调用算子；非对齐数据处理；尾块处理；复杂 Tiling 实现；多数据类型算子实现

Transformer算法原理

Transformer算法原理，包含 Transformer算法背景与整体架构；文本数值化、词嵌入与位置编码；自注意力机制；多头注意力机制；填充掩码与因果掩码；残差连接、层归一化与前馈神经网络；编码器、解码器与交叉注意力；Transformer的训练与推理；PyTorch代码实现。

神经网络与深度学习笔记合集

PyTorch深度学习入门笔记合集

PyTorch深度学习入门笔记合集

神经网络与深度学习笔记_Day1，包含 深度学习 与 PyTorch

神经网络与深度学习笔记_Day2，包含 张量 与 自动微分

神经网络与深度学习笔记_Day3，包含 自动微分 与 激活函数

神经网络与深度学习笔记_Day4，包含 参数初始化、神经网络、损失函数 与 反向传播

神经网络与深度学习笔记_Day5，包含 梯度下降优化方法、学习率衰减策略、正则化 与 ANN案例

神经网络与深度学习笔记_Day6，包含 ANN案例、CNN概述、卷积层 与 池化层

神经网络与深度学习笔记_Day7，包含 CNN图像分类案例、RNN介绍、词嵌入层、循环网络层 与 AI歌词生成器案例