# huawei-cloud-ascend-op-mfu-calculator

Скилл huawei-cloud-ascend-op-mfu-calculator для Claude Code рассчитывает MFU операторов на Ascend NPU. Он также разбирает данные профилировщика и помогает найти узкое место.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 270 установок · ★ 59 у репозитория
- Автор: huaweicloud
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/huaweicloud/huaweicloud-skills/tree/HEAD/skills/ai/modelarts/huawei-cloud-ascend-op-mfu-calculator/SKILL.md
- Обновлён: 2026-11-12
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/huawei-cloud-ascend-op-mfu-calculator

## Что делает

Скилл считает FLOPs операции, достигнутую производительность в TFLOPs/s и MFU относительно пиковой производительности конкретной модели Ascend. Поддерживаются сценарии с matmul, GEMM и FlashAttention.

Скилл также запускает локальный анализатор `scripts/bottleneck_diagnoser.py`: тот читает CSV профилировщика Ascend, классифицирует узкие места и выдаёт ранжированный отчёт с рекомендациями. Нужен Python 3.8 или новее. Единицы времени критичны: смешение миллисекунд и микросекунд меняет результат примерно в 1000 раз, поэтому при неоднозначности нужно подтвердить единицу.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascend-op-mfu-calculator -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/huawei-cloud-ascend-op-mfu-calculator/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/huawei-cloud-ascend-op-mfu-calculator/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascend-op-mfu-calculator -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/huawei-cloud-ascend-op-mfu-calculator/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascend-op-mfu-calculator -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/huawei-cloud-ascend-op-mfu-calculator/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install huaweicloud/huaweicloud-skills skills/ai/modelarts/huawei-cloud-ascend-op-mfu-calculator
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/huawei-cloud-ascend-op-mfu-calculator/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascend-op-mfu-calculator -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/huaweicloud/huaweicloud-skills --path skills/ai/modelarts/huawei-cloud-ascend-op-mfu-calculator
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/huawei-cloud-ascend-op-mfu-calculator/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascend-op-mfu-calculator -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/huaweicloud/huaweicloud-skills/tree/HEAD/skills/ai/modelarts/huawei-cloud-ascend-op-mfu-calculator/SKILL.md

## Когда брать
- рассчитать MFU для GEMM по FLOPs и времени выполнения
- сравнить эффективность двух реализаций оператора
- найти узкое место в CSV профилировщика Ascend
- получить достигнутые TFLOPs/s и загрузку вычислений для оператора

## Примеры запросов агенту
- Рассчитай MFU моего GEMM: FLOPs — <значение>, время — <значение> мс, пиковая производительность — <значение> TFLOPs/s.
- Разбери `OpBasicInfo.csv` и определи узкие места операторов.
- Проанализируй производительность моего FlashAttention по данным профилировщика.

## Похожие
- [local-ai-app-integration](https://affpapa.org/nevibecode/skills/local-ai-app-integration.md) — скилл · 1300 установок
- [reconciler-logic](https://affpapa.org/nevibecode/skills/reconciler-logic.md) — скилл · 4600 установок
- [kubernetes-operator](https://affpapa.org/nevibecode/skills/kubernetes-operator.md) — скилл · 503 установки
- [roi-calculator](https://affpapa.org/nevibecode/skills/onewave-ai-roi-calculator.md) — скилл · 252 установки
- [database-cloud-optimization](https://affpapa.org/nevibecode/plugins/database-cloud-optimization.md) — плагин · ★ 42780 у репозитория
- [tam-sam-som-calculator](https://affpapa.org/nevibecode/skills/tam-sam-som-calculator.md) — скилл · 2400 установок

Из того же набора: [huaweicloud/huaweicloud-skills](https://affpapa.org/nevibecode/by/huaweicloud/huaweicloud-skills.md) — 80 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
