寒武纪开发者系列课程更新，点击以下图片链接直达~

开发者初级的课程涵盖了软件栈介绍、产品系列介绍、框架使用、以及MagicMind使用教程，这套课程BANG你构建寒武纪开发知识的基础

软件栈相关课后习题及答案如下，快来检查下你有没有全对：

课程名称：《寒武纪软件栈综述》（上）

问题1：寒武纪软件栈的架构设计是什么样？采用了业界哪些技术？

寒武纪软件栈采用训推一体的架构

推理引擎使用了业界最新的MLIR编译技术，兼顾效率和性能

训练引擎支持了业界大部分的热点网络和算子，基本无迁移成本，分布式技术极大的加速了训练性能

问题2：寒武纪软件栈的易用性如何？迁移成本大吗？

为满足人工智能应用的开发调优部署，寒武纪提供了一整套软件开发工具包，帮助开发者快速的在各种寒武纪的平台上开发部署业务

基于Pytorch或者TensorFlow的Python应用程序，基本不用修改代码，可以0成本的迁移到寒武纪的平台

问题3：寒武纪产品覆盖云边端，多款产品的软件栈如何维护？

寒武纪一套软件栈覆盖了所有的硬件产品和软件业务，做到了端云一体，训推一体

，一份代码可以在所有的寒武纪产品上运行

课程名称：《寒武纪软件栈综述》（下）

问题1：寒武纪软件栈由哪些组件组成？

寒武纪软件栈由BANG语言及工具、运行时库、算子库、框架、视觉应用工具、分析工具组成

问题2：各组件的功能及用途是什么？

BANG语言工具：为开发者提供了自定义算子接口，方便开发者对深度学习算法的定制

运行时库：CNRT提供寒武纪MLU设备接口，为上层组件提供运行时支撑环境

算子库：CNNL和CNNL-Extra包含了常见网络算子或网络片段，在寒武纪芯片上的优化实现，供上层应用或框架直接调用

框架：cambricon Pytorch和Cambricon TensorFlow是底层使用寒武纪芯片加速的Pytorch和TensorFlow模块，为应用程序提供标准的Pytorch和TensorFlow接口。MagicMind是寒武纪的推理引擎，为上层应用提供C++编程接口

视觉应用程序工具：CNCV是使用寒武纪芯片加速的2D图像运算库；CNCodec是使用寒武纪芯片加速的视频/图片编解码SDK。CNCV和CNCodec加速AI视觉运算的前后处理；视觉结构化应用开发框架CNStream，简化开发者部署加速视频结构化应用

分析工具：CNPerf提供了端到端的细力度性能分析能力，CNLight提供了框架级的性能分析工具。这两种分析工具方便开发者在寒武纪平台上对AI应用性能优化

问题3：各组件之间有什么依赖关系？

寒武纪提供的训练/推理组件中，上层有框架层和视觉结构化开放框架，为AI应用程序提供编程接口。这两个上层模块依赖于底层的推理引擎、算子库、视觉应用程序工具，这些底层模块为上层模块提供寒武纪芯片的加速能力。CNRT位于其他所有组件的最下层，其他所有组件均依赖于CNRT运行时库

寒武纪的性能分析工具、BANG语音开发工具，以独立的工具包形式存在，开发者可利用他们在寒武纪平台上做训练/推理的性能分析和自定义算子开发