企业官网建设流程全解析

CANNJudge 算子竞赛：从第一次算子提交到冲高分的完整手册

【免费下载链接】cann-learning-hubCANN 学习中心仓，支持在线互动运行、边学边练，提供教程、示例与优化方案，一站式助力昇腾开发者快速上手。项目地址: https://gitcode.com/cann/cann-learning-hub

面向 CANNJudge 算子竞赛选手的实操参考：RSA 加密登录、三种算子提交方式、泛化算子设计，到 Wrong Answer 排查与提分。读完即可在 5 分钟内完成首次算子提交。

第一层｜跑通一次提交

别追求完美，先跑通。三步：密钥、登录、提交。

环境与 RSA 密钥

CANNJudge 的 RSA 加密登录流程：服务器端保留私钥，你的个人电脑用公钥加密密码，密码全程不以明文传输。工具都在仓库的 skills/cannjudge-submit/ 目录下，用法见 references/rsa-login.md。

python3 generate_key.py # 一次性操作：生成 private.pem（留服务器）与 public.pem（发个人电脑） python3 encrypt_password.py --public-key public.pem # 按提示输入密码，得到 RSA 密文

私钥不要带出执行环境；会话过期后密文可复用，不用重新输入密码。

三种接入姿势，任选其一

• CLI：命令行一把梭，速度最快。登录后依次下载模板、提交工程：

python3 cannjudge_cli.py login --email "you@example.com" --ciphertext "密文" --private-key private.pem python3 cannjudge_cli.py download --problem-url "<题目页链接>" --output ./add-work python3 cannjudge_cli.py submit --problem-url "<题目页链接>" --project-dir ./add-work/project

正式提交前先用submit --dry-run检查文件，提交后用query --submission-id ID查结果。下载器会拒绝覆盖已有工程，重新下载换个目录即可。

• Python API：适合嵌进自己的脚本，最小调用长这样：

from cannjudge_cli import CANNJudgeClient client = CANNJudgeClient() client.login_with_ciphertext(email=EMAIL, ciphertext=CT, private_key_path="private.pem") submission_id = client.submit("add", tiling_h=tiling_h, host_cpp=host_cpp, kernel_cpp=kernel_cpp)

• 示例脚本：python3 example.py，交互式引导走完全流程，第一次用建议选它。

登录成功后会话自动保存，后续下载、提交、查询、看排行榜都不用再输凭据。

第二层｜读题不翻车

老手规矩：先读题十分钟，再碰键盘。题理解错了，代码全错。

题目三要素

• 算子原型：输入输出与属性怎么定义，对齐哪个参考算子（如 torch.histc、tf.nn.depth_to_space）。
• 数据类型：float16 / float32 等支持哪些 dtype，一个都不能漏。
• 维度与属性：支持 4D 还是任意 rank，axis、keepdims 等属性取值有什么特殊语义。

以当次题目页面的签名、dtype、精度、CANN 版本和只读文件清单为准，别拿别题的规格硬套。Host 侧的InferShape要根据输入 shape 与属性算出输出 shape，它同样要泛化，否则隐藏用例会直接挂。

⚠️ 默认值雷区

先查参考算子官方文档，再用 Python 本地验证一遍边界行为，然后才写 C++。

工程骨架

工程骨架用 Ascend C 编写——昇腾的算子编程语言，代码最终编译成在 NPU AI Core 上跑的 kernel。下载的模板是标准目录：

code/ ├── CMakeLists.txt # 顶层 CMake 配置 ├── op_host/ │ ├── CMakeLists.txt │ └── {op_name}.cpp # Host 侧：TilingFunc、InferShape └── op_kernel/ ├── CMakeLists.txt ├── {op_name}_tiling.h # Tiling 数据结构 ├── tiling_key_{op_name}.h # Tiling Key 模板 └── {op_name}.cpp # Kernel 侧：实际计算

模板若缺CMakePresets.json或build.sh，从已有 Ascend C 工程复制后改路径即可。

第三层｜泛化是硬功夫

平台不开放测试用例 API，本地看到的只是公开样例，隐藏用例随意出。所以泛化算子设计的目标，不是通过可见样例，而是覆盖题目签名下的全部合法输入。

泛化五板斧

• Shape：不假设固定 rank，按总元素数处理。
• Dtype：题目要求的每种数据类型都要实现，用模板统一逻辑。
• 属性：枚举属性全部合法取值，含默认值与负值。
• 对齐：32 字节对齐与非对齐尾部数据都要处理。
• 边界：空输入、单元素、极端值，必须能跑。

对齐最容易被忽略：Ascend C 的 Vector 指令常以 32 字节为块操作，尾部不足一块的数据要走单独处理路径。

正误对照

// ❌ 硬编码：假定 4 维、只支持 float int32_t N = shape.GetDim(0); int32_t C = shape.GetDim(1); int32_t H = shape.GetDim(2); int32_t W = shape.GetDim(3); // ✅ 动态：任意 rank，模板化支持多 dtype int32_t rank = shape.GetDimNum(); uint32_t total = 1; for (int32_t i = 0; i < rank; ++i) { total *= shape.GetDim(i); }

Kernel 侧再配合GlobalTensor<T>使用——它是 Ascend C 对全局内存的封装，T 可实例化为 float / half。

提交前自查

• Shape：不依赖固定 rank，任意大小可用
• Dtype：覆盖题目要求的全部数据类型
• 属性：含默认值在内的所有取值都覆盖
• 对齐：32 字节对齐与非对齐尾部都处理
• 边界：空输入、单元素、极端值全部通过

提交之后｜状态、排错与提分

状态速查

别把Running当完成：默认提交后等 120 秒出结果，或用--no-wait分次查询。

Wrong Answer 三步排查

1. 看精度比例：precision_ratio是否接近 1 但差一口气，判断是系统性误差还是边界误差。
2. 看失败用例：对照哪个 dtype / shape 挂了，锁定出问题的维度。
3. 看问题类型：归因到数据类型转换、属性理解还是算法逻辑，再对症下药。

拿不准就上 profiling：本地有 NPU 环境时，用 msprof 抓一段 timeline，哪个单元卡住一目了然。

提分三板斧

• 多核并行：Ascend C 多核优化从 Tiling 切分开始，把总元素数切给多个 AI Core，别让单核干到底。
• 减少 global memory 访问：数据按块搬进 L1 缓冲区，在 L1 里算完再写回，别逐元素来回跑 global memory。
• 向量化指令：标量循环换成 Vector 单元指令，配合 double buffer 让搬运与计算重叠。

高频问题快查

Q：为什么部分测试用例失败？

A：算子不够泛化。依次检查：题目要求的 dtype 是否全支持、axis=-1 与空输入这类属性边界是否处理、默认值的特殊语义是否理解正确。本地公开样例过了、平台挂，多半是边界问题。

Q：float16 精度问题怎么处理？

A：float16 表示范围窄，边界值会被量化。两个动作：Host 侧按 dtype 设标志，Kernel 侧先把边界值舍入到 float16 可表示值再比较。

if (quantizeEdges) { // Host 侧按 dtype 设标志：float16 为 1，float32 为 0 half edge_h = static_cast<half>(edge); edge = static_cast<float>(edge_h); }

Q：模板缺编译配置怎么办？

A：CMakePresets.json从已有 Ascend C 工程复制后改路径；build.sh参考其他工程的脚本改。题目模板的只读文件清单要原样保留，别动只读文件。

Q：精度阈值是多少？

A：float16 一般要求 rtol < 1e-3、atol < 1e-3；float32 要求 rtol < 1e-4、atol < 1e-4。以题目页面的精度说明为准。

收个尾：你的行动路线

1. 生成 RSA 密钥对，加密密码，完成首次登录。
2. 挑一道简单的逐元素算子题，下载模板，把骨架跑起来。
3. 提交第一版，拿到状态反馈。
4. 看结果迭代：先修正确性，再调性能。

第一次提交只是起点，泛化站稳了，排行榜只是时间问题。

【免费下载链接】cann-learning-hubCANN 学习中心仓，支持在线互动运行、边学边练，提供教程、示例与优化方案，一站式助力昇腾开发者快速上手。项目地址: https://gitcode.com/cann/cann-learning-hub