简介

该脚本转换工具可将PyTorch脚本转换成MindSpore代码。

脚本转换工具根据适配规则，对用户脚本进行转换，大幅度提高了脚本迁移速度，降低了开发者的工作量。该脚本转换工具支持对包括但不限于PyTorch模型支持列表列出的模型进行转换，转换成功后可直接运行，部分模型需要根据实际情况进行少量适配。
此脚本转换工具当前仅支持PyTorch训练脚本转换。
此脚本转换工具能支持PyTorch模型支持列表中的工程转换后训练成功且收敛，对最终精度和性能暂不做保证。
此脚本转换工具转换后的训练工程支持在MindSpore1.5及更新版本上运行。

使用限制

MindSpore支持两种运行模式（Graph模式和PyNative模式），由于Graph模式存在Python语法限制，当前仅支持转换到PyNative模式，训练性能较Graph模式有所降低。具体差异详见MindSpore文档。
当前为了规避MindSpore中数据处理不支持创建Tensor的限制，将运行模式设置成了算子同步下发模式，可能存在训练性能的部分降低；用户可通过将context.set_context中的pynative_synchronize=True去除，使用算子异步下发模式提升性能；此时若报错，可检查数据处理部分代码，去除其中的创建Tensor行为，改为使用numpy的ndarray。
当前迁移结果不支持多卡运行。

PyTorch模型支持列表

表1 PyTorch模型支持列表
序号	模型		原始训练工程代码链接	备注
1	ResNet系列	ResNet18	https://github.com/pytorch/examples/tree/master/imagenet	暂不支持torchvision.models相关接口的转换，需做以下操作。修改原始工程：创建目录imagenet/models。从torchvision库中拷贝torchvision/models/resnet.py至imagenet/models下，删除from .utils import load_state_dict_from_url语句。创建imagenet/models/__init__.py文件，内容为： from .resnet import * main.py中，将import torchvision.models as models改为import models
2		ResNet34
3		ResNet50
4		ResNet101
5		ResNet152
6		ResNeXt-50（32x4d）
7		ResNeXt-101（32x8d）
8		Wide ResNet-50-2
9		Wide ResNet-101-2
10	ShuffleNet系列	ShuffleNetV2	https://github.com/megvii-model/ShuffleNet-Series	-
11	ShuffleNet系列	ShuffleNetV2+	https://github.com/megvii-model/ShuffleNet-Series	-
12	BERT		https://github.com/codertimo/BERT-pytorch	在转换前，master分支的代码在Loss计算上存在一定问题，需要参考https://github.com/codertimo/BERT-pytorch/issues/32#issuecomment-432877367做少量修改。转换完成后，该工程在需要安装才能使用，安装步骤如下：去除requirements.txt文件中的torch项。执行python3 setup install。具体使用方式详见仓库README。
13	UNet		https://github.com/milesial/Pytorch-Unet	MindSpore暂不支持ReduceLROnPlateau，需要替换成其他支持的scheduler。
14	ViT		https://github.com/jeonsworld/ViT-pytorch	MindSpore 1.6之前的版本存在construct不能返回Tensor以外的内容的问题。 MindSpore 1.6之前的版本不支持使用--fp16参数。数据集需要使用cifar-10-bin，可从https://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz获取。
15	Res2Net		https://github.com/Res2Net/Res2Net-ImageNet-Training	暂不支持torchvision.models相关接口的转换，需做以下操作。修改原始工程：创建目录res2net_pami/models。 res2net_pami/main.py中，将import torchvision.models as models改为import models。
16	EfficientNet系列	EfficientNet-B0	https://github.com/lukemelas/EfficientNet-PyTorch	-
17		EfficientNet-B1
18		EfficientNet-B2
19		EfficientNet-B3
20		EfficientNet-B4
21		EfficientNet-B5
22		EfficientNet-B6
23		EfficientNet-B7
24		EfficientNet-B8
25	pytorch-cifar系列	VGG19	https://github.com/kuangliu/pytorch-cifar	数据集需要使用cifar-10-bin，可从https://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz获取。切换不同的网络需要在main.py中修改使用的网络名称。
26		PreActResNet18
27		DenseNet121
28		ResNeXt29_2x64d
29		MobileNet
30		MobileNetV2
31		SENet18
32		ShuffleNetG2
33		GoogleNet
34		DPN92

环境准备

详情请参考《CANN 软件安装指南》安装开发环境。

使用此功能执行PyTorch训练脚本转换前须安装如下依赖：

pip3 install pandas         #pandas版本号需大于或等于1.2.4
pip3 install libcst

功能介绍

简介

使用限制

PyTorch模型支持列表

环境准备