永荣带你玩转昇腾

背景：最近在对ctr场景的MMOE结构做分布式训练过程中发现对很多通信源语不是很了解，查阅了一些资料将目前常用的一些通信源语进行了总结，欢迎大家批评指正。 目前大模型分布式训练里面主要涉及到的通信源于

使用 NPU的HSTU融合算子来实现推荐系统生成式推荐模型GR。并且NPU的性能明显优于GPU的性能。

PyTorch 实现 Vggnet图像分类 本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。

在介绍推荐系统网络之前，先了解一下推荐系统的基本架构包括用户画像、召回、粗排、精排与混排五个模块。其中用户画像主要是构建用户兴趣，通过用户的行为日志信息识别出用户的兴趣

CTR领域经典机器模型介绍，包括逻辑回归，梯度提升决策树，梯度提升决策树+LR， 这三种经典的CTR模型。

模型并行之Embedding表 Embedding在推荐模型中承担着将用户、物品及上下文信息映射为低维稠密向量的核心任务，通过捕捉潜在语义关联和协同过滤信号，为推荐系统提供可计算的特征表达基础。

本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块： Din网络创新点介绍 Din网络架构

本实验主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GAT在论文引用数据集Pubmed上进行分类训练的实战讲解。内容包括GAT网络创新点分析、图注意力机制原理与架构剖析、多头注意力机制分

本文主要介绍了如何在昇腾上，使用pytorch对图像分割任务的开山之作FCN网络在VOC2012数据集上进行训练的实战过程讲解。主要内容包括FCN网络的创新点分析、FCN网络架构分析，实战训练代码分析