1 背景介绍

开源for Huawei（参考：https://developer.huaweicloud.com/programs/opensource/contributing/）  通过和公司、高校、社区的开发者合作，完成鲲鹏、昇腾、欧拉、鸿蒙、高斯、云服务等与开源软件的适配开发，帮助繁荣Huawei的基础生态，同时让开源软件能够更加简单、高效的运行于华为云上。

开始之前，开发者可以下载 开源for Huawei Wiki（参考：https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview） 了解详细的开发步骤，技术准备，以及开发过程需要的各种资源。

2 需求分析

2.1 开源项目基本情况

Baichuan 2 是百川智能推出的新一代开源大语言模型，采用 2.6 万亿 Tokens 的高质量语料训练。该模型在多个权威的中文、英文和多语言的通用、领域 benchmark 上取得同尺寸最佳的效果。截至到2024年11月25日，YOLO11项目的GitHub star 数量超过 4.1k，项目代码最新提交时间为2024年11月9日。

源码地址：https://github.com/baichuan-inc/Baichuan2

官网主页：https://www.baichuan-ai.com/

主要开发语言：python

LICENSE：Apache License 2.0

维护者：Baichuan-inc

项目数据：Fork 297，Star 4.1 K，Contributor 9，最近一次提交：2024-11-9

star历史（https://star-history.com/）：

2.2 任务目的和范围

本任务旨在将 Baichuan 2适配至华为的 Ascend处理器，确保其能够在昇腾处理器上有效运行，有助于推动AI计算基础设施的发展。

l 能力要求

完成该任务需要掌握python语言，具备昇腾模型迁移适配能力，掌握昇腾硬件上开发环境的搭建流程、模型迁移方法（自动迁移、工具迁移）等。

l 适配任务清单

3 工作量评估

4 任务分解

4.1  完成Baichuan 2 演示 Demo 的设计、开发和部署

Demo 包含以下流程：
- 模型选择：选择 Baichuan 2 模型版本。

- 模型训练与推理：获取所需的模型权重、源码和配置文件，安装必要的依赖项，验证模型的输出结果。

- 适配与优化：确保模型在 Ascend、openEuler 系统上稳定运行。

- 写出文档列出详细的步骤，使得 DEMO让用户可以容易的复现，并通过开源平台进行发布。

4.2 完成适配心得输出

编写一篇关于 Baichuan 2 项目在 Ascend  处理器上适配过程的心得，包含技术挑战、解决方案和性能优化技巧。该心得文档将在华为云或其他技术平台上发布。

5 参考资料

1. https://github.com/baichuan-inc/Baichuan2?tab=readme-ov-file