70B模型迁到昇腾910D：算子、显存和通信实录
一次从 A100 集群到昇腾 910D 的 70B 模型迁移，最耗时间的不是启动报错，而是 CPU 静默回退、HBM 碎片和 HCCL 长尾。按单卡、单机、多机逐级锁定基线，能少走不少弯路。
阅读全文
Search
站内搜索
关键词：HCCL
找到 45 篇相关文章
技术应用
CUDA迁到昇腾910C/910D，代码跑通只是开始
从 CUDA 切到昇腾后，框架安装只是起点。算子覆盖、AICore 报错、HCCL 通信和 HBM 占用会持续消耗工程时间。更稳妥的迁移顺序，是锁定基线，再按单卡、单机多卡、多机逐层验收。
阅读全文
开发者生态
11520张昇腾910C并行，训练抖动先查哪条链路
11520张昇腾910C接入同一集群后，单个慢节点、端口错误或集合通信阻塞，都可能把等待扩散到整个任务。排查要把训练时间线、HCCL算子和交换机端口指标对齐，再决定是否调整通信算法、超时策略和任务编排。
阅读全文
开发者生态
迁移昇腾 910C/910D，先查算子、显存和 HCCL
把 CUDA/PyTorch 项目迁到昇腾 910C/910D，常见卡点集中在自定义算子与动态 Shape、显存碎片、HCCL 多卡通信。文章按排查顺序给出配置示例，并说明哪些参数只能用于定位，不能代替根因分析。
阅读全文
AI 实操指南
在国产算力集群部署 Llama 4：解决多机多卡通信瓶颈的实操方案
针对 Llama 4 等开源大模型，本文给出在昇腾 910C/910D 等国产算力集群上的部署全流程，重点拆解跨节点 HCCL 通信延迟、显存碎片化与并行策略选择三大瓶颈，并附可复用的优化参数配置与排查清单。
阅读全文PyTorch 迁到昇腾 910C/910D，先改哪几处
把 PyTorch 项目从 CUDA 搬到昇腾，先处理设备、HCCL 和混合精度，再用 CANN 8 Profiling 查看算子、通信、内存与下发延迟。代码能启动只是入口，自定义算子和版本对齐更容易拖慢进度。
阅读全文昇腾910C迁移实录：从跑通到优化的真实成本账单
避开宏大叙事，本文通过一个70B参数模型从H100迁移至昇腾910C的真实案例，量化拆解代码适配、算子重写与HCCL调优的人力与时间成本，为技术负责人提供国产算力迁移的ROI决策参考。
阅读全文昇腾910D集群避坑：多机通信带宽瓶颈与HCCL调优实战
针对昇腾910D大规模集群训练中常见的通信瓶颈问题，本文通过实测数据分析多机AllReduce延迟原因，提供一套从拓扑感知到HCCL参数调优的实操方案，旨在将千卡集群的MFU（模型算力利用率）从30%量级提升至50%以上
阅读全文昇腾910D渠道价跌破万元，中小团队别只看卡价
按现有材料中的渠道报价，昇腾910D单卡约9500元，4卡起订。但16卡方案同时出现168万元和41.7万元两套口径，不能只看卡价。采购前应核清服务器、维保、HCCL组网、CANN迁移和验收条件。
阅读全文
AI 实操指南
昇腾910C与H200混部，20天迁移账怎么算
一套混合集群能否上线，关键看算子重写、数值对齐、HCCL/NCCL双栈、预热和运维。现有记录给出20天迁移、8ms延迟、45秒预热等数据，但测试配置并不完整，适合做项目预算，不宜直接外推为芯片结论。
阅读全文把PyTorch模型搬上昇腾910C，20天都花在哪了
把一套在 PyTorch 上训练半年的 VL-Mamba 模型搬到昇腾 910C 集群，20 天里真正耗时的是自定义算子、数值对齐和 HCCL。切到 MindSpore 并重写 Ascend C 算子后，项目平均 MFU
阅读全文
开发者生态
H200/H800迁到昇腾910C，先查算子、通信和显存
从H200/H800的CUDA环境迁到昇腾910C，费时的往往是算子兼容、HCCL通信和内存稳定性。纸面参数只划出边界，项目仍要按迁移分析、适配、精度调试和性能调优逐项验证。
阅读全文