返回首页 模型自动迁移调优 算子自动生成 训练微调
高校分队 AI 科研

AI 科研

基于昇腾算力做高性能算子的开发、模型的训练调优、推理加速等科研活动。

三大核心能力

实现跨框架、跨平台的模型自动迁移与性能调优,让科研模型快速适配不同硬件环境与部署场景,大幅降低迁移成本。

核心能力
跨框架迁移
支持 PyTorch、TensorFlow、JAX 等主流框架间的无缝模型转换
智能超参搜索
基于贝叶斯优化的自动超参数搜索,快速找到最优配置组合
硬件感知优化
针对 GPU/NPU 等不同硬件架构的自动图优化与算子融合
价值场景
客户价值
通过解决行业真问题,在项目攻关中,培养 AI 顶尖人才
公司战略
新 SOTA 模型迁移和算子适配优化是昇腾生态最大痛点之一,借助河套学院力量解决行业 CANN 生态落地问题,SOTA 模型适配优化时间:数天级 → 小时级,繁荣 CANN 生态
一线价值
技术上可以用河套学院开源的工具解决长期生态适配问题,部分行业难题在河套学院攻关,灯塔案例辐射全球高校
模型迁移优化进展
--
总模型数
--
全流程完成
--
处理中
--
待处理
查看完整看板
工具使用演示
算子自动生成

利用大语言模型驱动算子合成,通过多级中间表示优化和自动正确性验证,实现高性能算子的快速生成。

LLM 驱动算子合成
利用大语言模型理解算子语义,自动生成高质量算子代码
多级 IR 优化
通过多层中间表示进行算子级与图级的深度优化
正确性自动验证
基于形式化验证与随机测试的算子正确性保障体系
训练微调

提供 LoRA/QLoRA 高效微调与大规模分布式训练能力,配合实时训练监控,让科研模型训练更高效、更可控。

LoRA/QLoRA 微调
低资源消耗的高效参数微调方案,适配多种学术场景
分布式训练加速
支持多机多卡的大规模分布式训练,显著缩短训练周期
训练监控
实时可视化训练指标,自动异常检测与训练策略调整