• 把FP32（32位浮点）变成FP16甚至INT8（8位整数）运行，且精度损失不大。Post-Training Quantization (PTQ)。了解对称/非对称量化。
  • 找一个开源的ResNet或者简单的Transformer模型，把它导出为ONNX格式，然后用TensorRT加速推理。记录加速前后的Latency（延迟）和Throughput（吞吐量）。
  • 把CUDA代码迁移到Ascend上，踩过哪些坑，最后怎么解决的