Sana-Video 推理优化实践

Sana-Video 推理优化实践【免费下载链接】cann-learning-hubCANN 学习中心仓支持在线互动运行、边学边练提供教程、示例与优化方案一站式助力昇腾开发者快速上手。项目地址: https://gitcode.com/cann/cann-learning-hub本教程以Sana-Video为例展示如何在昇腾 NPU 上完成模型跑通、Profiling 分析并在整网中接入RMSNorm融合算子验证性能收益。教程包含以下内容Notebooks包含环境准备、Baseline 跑通、Profiling 分析和整网优化验证步骤可在 gitcode 提供的轻量级 notebook 上运行也可在本地 Jupyter 环境中执行。SRC包含教程中使用的最小兼容适配代码、推理入口与样例数据。注意本教程依赖上游Sana仓库代码Notebook 会在运行目录中拉取指定 commit 并覆盖最小 NPU 适配文件。在线体验请直接在 GitCode Notebook 环境中执行Notebook 默认复用环境中已预装的torch、torch_npu、torchvision与torchaudio。本地运行前请先准备兼容版本的上述依赖并配置 CANN 与torch_npu环境。运行本教程时主机内存需至少 16GB。Notebook 计算类型建议选择 NPU 910B、CPU 32GB容器镜像建议选择 ubuntu22-cann8.5-py3.11-jupyter-notebook。Notebooks| Notebook | Link | 状态 | |--|--|--| | 1. 章节介绍 | 在线体验 | ✅ 已发布 | | 2. Baseline 跑通 | 在线体验 | ✅ 已发布 | | 3. Profiling 分析 | 在线体验 | ✅ 已发布 | | 4. RMSNorm 融合接入与收益验证 | 在线体验 | ✅ 已发布 |【免费下载链接】cann-learning-hubCANN 学习中心仓支持在线互动运行、边学边练提供教程、示例与优化方案一站式助力昇腾开发者快速上手。项目地址: https://gitcode.com/cann/cann-learning-hub创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考