К основному содержанию
скилл CX Codex

huawei-cloud-ascendc-operator-performance-optim — скилл

Скилл huawei-cloud-ascendc-operator-performance-optim для Claude Code разрабатывает и оптимизирует операторы AscendC для Ascend NPU. Анализирует профиль, находит узкие места и проверяет результат.

MIT 219 установок ★ 59 обновлён 2026-10-23

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascendc-operator-performance-optim -a claude-code
Открыть на GitHub

Что делает huawei-cloud-ascendc-operator-performance-optim

Скилл ведёт работу от анализа производительности и поиска узкого места до разработки оператора на AscendC и проверки изменений. Он охватывает оптимизацию памяти, вычислений и раскладки данных, а также функциональные и производительные тесты. Для анализа в примере используется msprof; результаты сохраняются в указанную папку.

Перед работой нужны CANN версии 7.0.0 или новее, AscendC версии 1.0.0 или новее, исправный драйвер Ascend NPU и код оператора либо данные производительности. Потребуются также путь к коду и папка для результатов. Скилл не охватывает оптимизацию на уровне фреймворка и разработку операторов не на AscendC, поэтому эти задачи остаются за его пределами.

Какие задачи решает

  • найти операторы с большим временем выполнения
  • разработать оператор AscendC под конкретную нагрузку
  • оптимизировать память и вычисления оператора
  • сверить результаты с эталонной реализацией
  • проверить производительность после изменений

Примеры запросов агенту

  • Найди узкое место оператора по данным профилирования и предложи оптимизацию на AscendC.
  • Разработай оператор AscendC для GEMM под эту нагрузку.
  • Проверь корректность и производительность моего оператора до и после оптимизации.

Как установить huawei-cloud-ascendc-operator-performance-optim

1Через Skills CLI (Vercel)

npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascendc-operator-performance-optim -a claude-code

2Вручную: положить файлы

~/.claude/skills/huawei-cloud-ascendc-operator-performance-optim/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/huawei-cloud-ascendc-operator-performance-optim/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о huawei-cloud-ascendc-operator-performance-optim

Как установить huawei-cloud-ascendc-operator-performance-optim в Claude Code?

Выполните npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-ascendc-operator-performance-optim -a claude-code. Файл скилла находится по пути ~/.claude/skills/huawei-cloud-ascendc-operator-performance-optim/SKILL.md.

Что делает huawei-cloud-ascendc-operator-performance-optim?

Помогает анализировать узкие места операторов для Ascend NPU, создавать и оптимизировать операторы на AscendC, а затем проверять их корректность и производительность.

Что нужно для работы с этим скиллом?

Нужны CANN >= 7.0.0, AscendC >= 1.0.0, исправный драйвер Ascend NPU и код оператора либо данные его производительности.

Исходный текст

SKILL.md · MIT
---
name: huawei-cloud-ascendc-operator-performance-optim
version: 1.0.0
description: |
  Develop and optimize custom operators using AscendC programming language. Analyze operator performance bottlenecks and conduct optimization validation. Based on AscendC and CANN toolkit
  Use this skill when the user wants to: (1) optimize performance-critical operators on Ascend NPU, (2) develop custom operators for specific workloads, (3) improve model inference performance through operator optimization
  Trigger: user mentions "AscendC", "operator optimization", "custom operator", "performance", "NPU optimization", "Ascend operator", "算子优化", "自定义算子", "算子开发", "AscendC算子", "性能优化"
compatibility:
  - CANN >= 7.0.0
  - AscendC >= 1.0.0
tags: [Ascend, AscendC, operator, optimization]
allowed-tools:
  - python3
  - bash
  - ascendc
---

# Huawei Cloud AscendC Operator Performance Optimization

## Overview

This skill provides guidance for developing and optimizing custom operators using AscendC programming language.

**Architecture**: Performance Analysis → Bottleneck Identification → Operator Development → Optimization → Validation

**Related Skills**:
- `huawei-cloud-ascend-profiler-db-explorer` - Performance data analysis and bottleneck identification
- `huawei-cloud-ascend-small-model-migrate` - Migration workflow that may require operator optimization

## Architecture Components

This skill involves the following cloud services and components:
- **AscendC**: Programming language for custom operator development
- **CANN**: Huawei Cloud AI Computing Platform for NPU
- **Ascend 910B**: Target NPU hardware for operator deployment
- **Ascend Profiler**: Performance analysis tool for validation

**Architecture Diagram:**
```
┌─────────────────────────────────────────────────────────────┐
│            AscendC Operator Optimization Skill             │
├─────────────────────────────────────────────────────────────┤
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐ │
│  │  Performance │───▶│  Bottleneck  │───▶│  Operator    │ │
│  │  Analysis    │    │  Identification│   │  Development │ │
│  └──────────────┘    └──────────────┘    └──────────────┘ │
│         │                   │                   │          │
│         ▼                   ▼                   ▼          │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐ │
│  │  Profiling   │    │  Optimization│    │  Validation │ │
│  │  Data        │    │  Techniques  │    │  & Testing  │ │
│  └──────────────┘    └──────────────┘    └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
```

## Use Cases

**Typical Problem Scenarios:**
- Optimizing performance-critical operators on Ascend NPU
- Developing custom operators for specific workloads
- Improving model inference performance through operator optimization
- Fixing operator bottlenecks identified during profiling
- Implementing missing operators for NPU deployment

**Typical User Phrases:**
- "Optimize my custom operator for Ascend"
- "Develop AscendC operator for GEMM"
- "Improve inference performance on NPU"
- "Fix bottleneck operator"
- "Implement custom operator using AscendC"
- "AscendCOperator"
- "OptimizationAscendOperatorPerformance"
- "OperatorPerformance"

## Scope

**Supported**:
- Custom operator development in AscendC
- Performance optimization for existing operators
- Operator validation and testing

**Not supported**:
- Non-AscendC operator development
- Framework-level optimizations

## Core Workflow

### 1. Performance Analysis
- Use profiling tools to identify performance bottlenecks
- Analyze operator execution time and resource utilization

### 2. Bottleneck Identification
- Identify operators with high execution time
- Determine optimization opportunities

### 3. Operator Development
- Implement custom operators using AscendC
- Follow AscendC best practices

### 4. Optimization Techniques
- Memory optimization
- Compute optimization
- Data layout optimization

### 5. Validation
- Verify functional correctness
- Validate performance improvement

## Reference Documents

| Document | Description |
|----------|-------------|
| [Acceptance Criteria](references/acceptance-criteria.md) | Functional acceptance criteria |
| [Verification Method](references/verification-method.md) | Verification approach |
| [Troubleshooting](references/troubleshooting.md) | Common issues and solutions |

## Prerequisites

- CANN >= 7.0.0 installed
- AscendC >= 1.0.0 installed
- Ascend NPU driver installed and working properly
- Operator code or performance data to be optimized

## Core Commands

```bash
# Analyze operator performance bottlenecks
msprof --output=/path/to/output ./my_operator

# Optimize operator using AscendC
# Refer to CANN development guide for operator development
```

## Parameter Confirmation

| Parameter | Description | Required |
|-----------|-------------|----------|
| Operator code path | Operator source code to be optimized | Yes |
| Output directory | Performance analysis result output path | Yes |
| Optimization strategy | Performance optimization scheme selection | No |

## Output Format

Performance analysis results are saved in the specified output directory:

```
output/
├── summary.json           # Performance summary
├── operator_stats.csv     # Operator execution statistics
├── timeline.json          # Execution timeline data
└── recommendations.md     # Optimization recommendations
```

**Summary JSON Structure:**
```json
{
  "total_time_ms": 1234.56,
  "operator_count": 42,
  "top_operators": [
    {"name": "CustomGEMM", "time_ms": 456.78, "percentage": 37.0},
    {"name": "VectorAdd", "time_ms": 123.45, "percentage": 10.0}
  ],
  "optimization_candidates": ["CustomGEMM", "DataTransfer"]
}
```

## Validation Method

### Functional Validation
1. Run operator with test inputs
2. Compare outputs with reference implementation
3. Verify numerical accuracy (tolerance: 1e-5 for FP32, 1e-3 for FP16)

### Performance Validation
1. Benchmark operator before optimization
2. Apply optimization changes
3. Benchmark operator after optimization
4. Calculate speedup ratio: `speedup = time_before / time_after`

### Acceptance Criteria
- Functional correctness: Output matches reference within tolerance
- Performance improvement: Speedup >= 1.2x (20% improvement)
- No regression: Other operators not affected

## Best Practices

### Memory Optimization
- Use GM (Global Memory) for large tensors
- Use L1/L0A/L0B for intermediate results in matrix operations
- Align memory access to 32-byte boundaries
- Reuse memory buffers when possible

### Compute Optimization
- Vectorize operations using AscendC intrinsics
- Use MMA (Matrix Multiply Accumulate) for matrix operations
- Parallelize independent operations
- Minimize synchronization points

### Data Layout Optimization
- Use NZ format for matrix operations
- Use ND format for vector operations
- Avoid unnecessary format conversions
- Consider memory coalescing for data access

### Code Structure
- Separate compute logic from memory operations
- Use template metaprogramming for flexibility
- Document optimization assumptions
- Profile before and after each optimization

## Notes

### Common Pitfalls
- **Memory bank conflicts**: Ensure data is distributed across memory banks
- **Unaligned access**: Check 32-byte alignment for all buffers
- **Excessive synchronization**: Minimize barrier usage between kernels
- **Wrong data format**: Match format to operation type (NZ for matmul, ND for vector)

### Performance Tips
1. Profile first to identify real bottlenecks
2. Focus on hot paths (operators with >10% total time)
3. Consider algorithmic changes before micro-optimizations
4. Test with realistic input sizes
5. Validate correctness after each optimization

### Debugging Tips
- Use `ASCENDC_DEBUG=1` for verbose logging
- Check CANN log files in `/var/log/npu/`
- Compare with CPU reference implementation
- Use `msprof` for detailed performance breakdown

### Limitations
- AscendC operators are hardware-specific (910B)
- Not all PyTorch operators have AscendC equivalents
- Custom operators require CANN recompilation for deployment

© huaweicloud · MIT · huaweicloud/huaweicloud-skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
optim-agent Optim-Agent Скилл optim-agent, который превращает агента в сэмплер: читает код, предлагает конфигурацию, запускает оценку и записывает результат через ask/tell API. CX Codex +1 ★ 796звёзд репо kubernetes-operator claude-code-skills Скилл kubernetes-operator помогает проектировать Kubernetes-операторы и проверять CRD и reconcile-функции. Пригодится при разработке контроллера или аудите готового оператора. CX Codex +1 503установок m10-performance actionbook Скилл m10-performance для Claude Code помогает агенту профилировать Rust-код и устранять узкие места — от выбора алгоритма до лишних аллокаций. CX Codex +1 4 000установок go-performance cxuu Скилл go-performance для оптимизации Go: подсказывает, где заменить fmt на strconv, как задать ёмкость слайса и когда хватит strings.Builder. CX Codex +1 1 300установок roblox-performance sentinelcore Скилл roblox-performance для ИИ-агентов, который помогает находить узкие места в Roblox-игре: просадки FPS, лишние draw calls, тяжёлые циклы. CX Codex +1 911установок js-performance-patterns patterns.dev Скилл js-performance-patterns для Claude Code помогает устранять просадки скорости в горячих путях JavaScript: в циклах, обработчиках событий и операциях с DOM. CX Codex +1 716установок

Из того же набора80

Весь набор →
huawei-cloud-cli-guidance Скилл huawei-cloud-cli-guidance для Claude Code и Codex помогает работать с утилитой KooCLI в Huawei Cloud. Ассистент подсказывает синтаксис hcloud, правила авторизации и шаги разбора ошибок. CX Codex +1 239установок huawei-cloud-ces-ecs-monitoring Скилл huawei-cloud-ces-ecs-monitoring для Claude Code и Codex запрашивает метрики ECS через Cloud Eye Service. Помогает смотреть загрузку ресурсов и разбирать динамику показателей. CX Codex +1 239установок huawei-cloud-ecs-alert Скилл huawei-cloud-ecs-alert создаёт правила алертов CES для ECS пачкой через hcloud: шаблоны web и database, подписки SMN, метрики и список правил. CX Codex +1 236установок huawei-cloud-cce-env-assessment Скилл huawei-cloud-cce-env-assessment проходит аудит контейнерного окружения Huawei Cloud CCE: снимает метрики по чек-листу, ставит оценки и собирает отчёт с предложениями по улучшению. CX Codex +1 229установок huawei-cloud-agentorchard-find-skills Скилл huawei-cloud-agentorchard-find-skills для Claude Code и Codex находит готовые модули в каталоге Huawei Cloud AI Gallery. Он разбирает запрос на естественном языке и выдаёт подходящие инструменты со ссылками на подписку. CX Codex +1 218установок huawei-cloud-codearts-code-gen Скилл huawei-cloud-codearts-code-gen для Claude Code передаёт задачи на генерацию кода агенту Huawei Cloud CodeArts. Он запускается при запросах создать файл, модуль или функцию. CX Codex +1 212установок huawei-cloud-maas-tokens-usage Скилл huawei-cloud-maas-tokens-usage для Claude Code и Codex собирает сводную статистику токенов и ошибок в Huawei Cloud MaaS. Запрашивает данные о расходе токенов и количестве вызовов за выбранный период. CX Codex +1 207установок huawei-cloud-flexus-l-server-ops Скилл huawei-cloud-flexus-l-server-ops управляет серверами Huawei Cloud Flexus L: запускает, перезагружает, сбрасывает пароли и проверяет остаток пакетов трафика через официальный SDK. CX Codex +1 205установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой