【2023 · CANN训练营第一季】昇腾AI入门课（Pytorch)——第二章学习笔记

第二章 PyTorch模型迁移&调优

目标 - 了解 Pytorch 是如何适配到昇腾平台上的 - 了解 Davinci 硬件架构以及什么样的模型在昇腾上更亲和·了解软件术语和 Ascend - Pytorch 的安装步骤 - 了解如何将原生 Pytorch 的模型代码是如何适配到 Ascend - Pytorch

前置知识 - 对原生 Pytorch 的软件架构有一定了解． - 对昇腾芯片及 CANN 软件栈有一定了解· - 对原生 Pytorch的使用方法有一定了解· - 对混合精度训练有一定了解

软件架构及Ascend-Pytorch(1.8)安装

参考链接 https://www.hiascend.com/software/ai-frameworks

前提条件

1．已完成 CANN 开发或运行环境的安装，确保相应 os 依赖（如 python 、 numpy 等）已安装完成。

2.需确保 CMake >=3.12.0, gcc >=7.3.0 3．建议用户直接在安装环境中进行编译。如果在其他环境中编译，需要编译环境和安装环境的 OS 版本、依赖版本保持一致。

步骤： 1.安装依赖：pip3 install pyyaml wheel

2.安装官方 torch 包：-pip3 install torch ==1.8.1+ cpu

3．编译生成 pytorch 件的二进安装包。 git clone -- b maste https://gitee.com/ascend/pytorch.git

-cd pytorch && bash ci / build . sh - python -3.7

4.安装插 torchnpu 包

-pip3 install - upgrade dist / torch _ npu -1.8.1- xooxwhl

5．安装混合精度模块（可选）

-https://gitee.com/ascend/apex

Pytorch模型迁移——三种方法

• 手工迁移
• 脚本转换工具（msFmkTransplt)
• 自动迁移（推荐）

Pytorch模型迁移——手工迁移

Pytorch模型迁移——脚本转换工具迁移

Pytorch模型迁移——自动迁移

本章总结

介绍了 Pytorch 在昇腾上的适配原理

• 新增 npu 的 device 类型，开辟新的路径
• 通过 npu 的 device 类型，结合适配层，调用 npu 底层计算能力
• 通过适配 npu 上的内存管理和流管理机制等，使能任务运行

  
  

• 通过适配 HCCL 通讯协议，使能分布式训练

  
  

介绍了芯片硬件架构及相应的影响 介绍了昇腾的软件栈及 Pytorch 的安装向导 PyTorch 模型迁移三种方法

• 手工迁移（1．前期准备2．单 P 迁移3．多 P 迁移4.Debug)
• 脚本转换工具迁移
• transfer _ to _ npu 自动迁移（推荐）