一、本周学习概述
本周我主要聚焦于Ascend C编程范式和基础概念体系的系统性学习。通过社区文档，本周的核心任务是理解TPipe/TQue编程范式、静态Tensor编程范式，并熟悉编程接口的整体框架。同时，我对概念原理、神经网络算子、硬件架构与数据处理等基础理论模块进行了梳理，为后续的实践开发构建了更稳固的知识体系。
二、学习内容总结
（一）编程范式深入理解
本周系统学习了Ascend C的两种核心编程范式。第一种是“基于TPipe和TQue的编程范式”，这是一种强调任务与数据解耦的设计思想。我理解TPipe（任务流水线）和TQue（任务队列）是构建高效并行计算的关键抽象，它们将计算任务分解为独立的阶段，通过队列进行异步通信和数据传递，能有效实现计算与数据搬运的重叠，提升AI Core的利用效率。第二种是“静态Tensor编程范式”，其核心在于编译期间确定Tensor的形状、数据类型和内存布局，这种确定性带来了显著的性能优势，包括更高效的内存分配、更好的编译优化和更可预测的执行行为。此外，我对Ascend C的“编程接口概述”进行了初步梳理，认识到接口设计遵循分层原则，从底层硬件操作到高层算子封装，为开发者提供了从灵活控制到便捷开发的不同选择。
（二）概念原理体系梳理
本周还对Ascend C及昇腾计算平台的核心概念体系进行了系统性回顾与梳理。在“概念原理和术语”部分，我重点查阅了“术语表”，明确了如Global Memory、Local Memory、AI Core、核函数、流水线等关键术语的准确定义。在“神经网络和算子”部分，我深化了对“算子基本概念”的理解，认识到算子作为神经网络的基本计算单元，在昇腾平台上的实现需要考虑数据并行、模型并行及特定的“数据排布格式”，后者直接关系到内存访问效率和计算性能。我也回顾了“硬件架构与数据处理原理”，再次明确了达芬奇架构中计算单元、存储层次间的协同工作方式，理解了从数据加载、计算到写回的全流程中，软件编程如何与硬件特性相匹配以实现最优性能。
