发简信
IP属地：福建
-
vllm+vllm-ascend本地部署QwQ-32B
1 模型下载 可按照此处方法下载预热后的模型，速度较快（推荐artget方式） 或者从hugging face官方下载。 2 vllm-asce...
-
初识华为RazorAttention论文原文：https://openreview.net/pdf?id=tkiZQlL04w[https://openreview.net/pdf...
-
NPU上如何使能pytorch图模式
1 Pytorch的compile技术 PyTorch 的 torch.compile 是一个强大的功能，用于优化 PyTorch 模型的性能。...
-
NPU上运行onnxruntime
1 问题背景 在Ascend环境上，使用onnxruntime推理时，报错： 显示的是cuda的组件找不到。由于是Ascend环境，肯定是没有G...
-
MindIE推理采样后处理参数temperature和top_k的引发的精度问题背景 MindIE跑Qwen系列模型推理，测试发现后处理参数top_k很大，temperature=2的场景，模型输出有精度问题。 现象 经过进...
-
Ascend+FastAPI+ Uvicorn 实现推理
1、FastAPI & Uvicorn FastAPI FastAPI 是一个用于构建 API 的现代、快速（高性能）的 Python Web ...
-
解决Ascend上vllm运行时出现urllib3.exceptions.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED]背景 尝试使用vllm模型，脚本代码如下： 运行过程中出现： 问题分析 问题就出现在通过python去下载文件，然后SSL的安全校验出现了问题。...
-
AscendC编程中的double buffer是什么？执行于AI Core上的指令队列主要包括如下几类，即： Vector指令队列（V） Matrix指令队列（M） 存储移动指令队列（MTE2、MT...
-
AscendC从入门到精通系列（五）调用基于工程开发AscendC算子单算子API调用方式，是指直接调用单算子API接口，基于C语言的API执行算子。算子工程AscendC从入门到精通系列（三）基于自定义算子工程开...