BangC 算子教程集合

本目录包含一系列 BangC 算子实现的初学者教程，每个教程都包含最小实现、优化实现、运行脚本和详细说明。

寒武纪相关学习资料

1. 《智能计算系统》第二版- 第八章，智能编程语言（必看）

• 第八章(上) 智能编程语言
• 第八章(下) 智能编程语言

2. 寒武纪相关视频教程（选看）

• 初识 BANG 异构模型
• BANG 编程实战
• BANG 性能优化
• MLU370系列开发实战直播课 - BANG编程最佳实践系列

3. 寒武纪相关文档（必看、RAG要用）

• 寒武纪文档中心
• Cambricon BANG C/C++ 编程指南（寒武纪编程基本概念+性能调优方法）
• Cambricon BANG C Developer Guide（寒武纪专用语句大全）

教程列表

算子	状态	说明	教程链接
VecAdd	✅ 完成	向量加法：最小实现 + Tiling 实现	tutorial.md
ReLU	✅ 完成	ReLU 激活函数：最小实现 + Tiling 实现	tutorial.md
Softmax	✅ 完成	Softmax 归一化：最小实现 + Tiling 实现	tutorial.md
MaxPooling	✅ 完成	MaxPool2d 最大池化：最小实现 + Tiling 实现	tutorial.md
MatMul	✅ 完成	矩阵乘法：多种实现	tutorial.md
Conv	✅ 完成	卷积操作：最小实现 + 分组卷积实现	tutorial.md
TorchMLU	✅ 完成	PyTorch MLU 集成	tutorial.md
TorchInline	✅ 完成	PyTorch Inline 扩展	tutorial.md

项目结构

Experiments/
├── README.md                    # 本文件
├── TUTORIAL_WORKFLOW.md         # 教程编写工作流程
├── utils.h                      # 公共工具函数
├── 01_vecadd/                   # VecAdd 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── vecadd_minimal.mlu       # 最小实现
│   ├── vecadd.mlu               # Tiling 实现
│   └── build_eval.sh            # 运行脚本
├── 02_relu/                     # ReLU 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── relu_minimal.mlu         # 最小实现
│   ├── relu.mlu                 # Tiling 实现
│   └── build_eval.sh            # 运行脚本
├── 03_softmax/                  # Softmax 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── softmax_minimal.mlu      # 最小实现
│   ├── softmax.mlu              # Tiling 实现
│   └── build_eval.sh            # 运行脚本
├── 04_maxpooling/               # MaxPooling 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── maxpooling_dilation.mlu  # Dilation 实现（支持 dilation）
│   ├── maxpooling.mlu           # Tiling 实现
│   └── build_eval.sh            # 运行脚本
├── 05_matmul/                   # MatMul 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── matmul_00.mlu            # 基础实现
│   ├── matmul_01.mlu            # 多线程实现
│   ├── matmul_02.mlu            # Tiling 实现
│   ├── matmul_03.mlu            # 优化实现
│   ├── matmul_04.mlu            # Conv 调试实现
│   ├── matmul_conv.mlu          # Conv 完整实现
│   └── build_eval.sh            # 运行脚本
├── 06_conv/                     # Conv 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── conv_minmal.mlu          # 最小实现
│   └── build_eval.sh            # 运行脚本
├── 07_torchmlu/                 # PyTorch MLU 教程（已完成）
│   ├── tutorial.md              # 教程文档
│   ├── matmul.py                # 矩阵乘法实现
│   └── test_matmul.py           # 测试脚本
└── 08_torchinline/              # PyTorch Inline 扩展教程（已完成）
    ├── tutorial.md              # 教程文档
    └── vec_add_inline.py        # 向量加法 Inline 实现

使用指南

快速开始

1. 选择一个教程：从教程列表中选择一个算子
2. 阅读教程：打开对应的 tutorial.md 文件
3. 运行示例：使用运行脚本编译和运行代码

   cd 01_vecadd
   ./build_eval.sh vecadd_minimal.mlu
   ./build_eval.sh vecadd.mlu

4. 进行探索：按照教程中的探索任务进行实验
5. 参数调优：尝试不同的参数配置，观察性能变化

贡献指南

欢迎贡献新的算子教程！请遵循以下原则：

1. 遵循工作流程：参考 TUTORIAL_WORKFLOW.md
2. 保持一致性：代码风格、文档格式与现有教程保持一致
3. 注重质量：确保代码可以编译运行，文档清晰完整
4. 添加探索任务：提供引导性的探索任务，促进主动学习