AGENTS.md
【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct
本文件为 agent 在此代码仓库中工作时提供指导。
项目概述
AMCT（Ascend Model Compression Toolkit）是一款昇腾 AI 处理器亲和的深度学习模型压缩工具包，提供多种模型量化压缩特性（W8A16、W8A8、W4A16 等）。压缩后模型体积变小，部署到昇腾 AI 处理器可使能低比特运算，提高计算效率。
主要功能：
- 量化压缩：支持多种量化算法（AWQ、GPTQ、SmoothQuant、Minmax 等）
- HiFloat8：支持 HiFloat8/FP8/FP4 数据量化和分位量化
- 图压缩：基于计算图的压缩优化（张量分解等）
- NPU 算子：量化相关的昇腾 NPU 算子实现
- 实验特性：DeepSeekV3.2/V4 等前沿模型的量化支持
构建命令
基础构建
# 构建（Release 模式） bash build.sh # 查看构建选项 bash build.sh --help # 构建打包（生成可分发的 tar.gz） bash build.sh --pkg # Debug 模式构建 bash build.sh --build-type=Debug # 指定线程数构建 bash build.sh -j8 # 指定第三方库路径 bash build.sh --cann_3rd_lib_path=/path/to/3rd_party单元测试
# 构建并运行单元测试 bash build.sh -u # 启用覆盖率 bash build.sh -u --cov # 启用 AddressSanitizer bash build.sh --asanPython 环境安装
# 安装依赖 pip install -r requirements.txt # 安装 pre-commit 代码检查工具 pip install pre-commit pre-commit install目录结构
| 目录 | 用途 |
|---|---|
amct_pytorch/ | PyTorch 量化压缩核心源码 |
amct_pytorch/experimental/ | 实验特性（HiFloat8、DeepSeek 等） |
amct_pytorch/graph_based_compression/ | 基于计算图的压缩优化（张量分解等） |
npu_ops/ | 量化相关的昇腾 NPU 算子代码 |
tests/ | 单元测试 |
examples/ | 端到端样例开发和调用示例 |
docs/ | 工具文档（概念介绍、API 文档、算法介绍等） |
cmake/ | CMake 构建配置 |
build.sh | 工程编译脚本 |
setup.py | Python 包打包入口 |
requirements.txt | Python 依赖包 |
.clang-format | C/C++ 代码格式化配置 |
开发规范
gitcode pr/issue 操作
@.claude/skills/default-skills/SKILL.md
代码风格
- 遵循 Google 开源代码规范（基于
.clang-format） - 使用
clang-format格式化 C/C++ 代码，行宽限制 120 字符，4 空格缩进 - 使用
pre-commit在提交前自动检查代码规范 - Python 代码遵循 PEP8 规范
贡献流程
- 简单 bug 修复：直接提交 PR
- 新特性/接口变更：先通过 Issue 讨论方案，达成共识后再提交 PR
- PR 需要关联相关 Issue，并包含特性代码、优化文档和 README
许可证
- Apache 2.0 协议，需在代码中标注版权信息
短语
使用中文
【免费下载链接】amctAMCT是CANN提供的昇腾AI处理器亲和的模型压缩工具仓。项目地址: https://gitcode.com/cann/amct
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
