迁移约束

模型选取

若用户需要选取模型学习迁移流程，尽可能选取权威PyTorch模型实现仓作为标杆，包括但不限于PyTorch(imagenet/vision等)、facebookresearch(Detectron/detectron2等)和open-mmlab(MMDetection/mmpose等)。

模型是否可以迁移成功主要取决于模型算子是否支持昇腾AI处理器，用户可以参考PyTorch Analyse迁移分析工具对模型算子在昇腾AI处理器上的支持性进行评估。当有不支持算子时，可修改模型脚本用等价支持的算子替换不支持算子或者参考《TBE&AI CPU算子开发指南》中“算子开发过程>算子适配>适配插件开发（PyTorch框架）”进行算子适配。

约束说明

• 自动迁移和工具迁移方法需要参见《CANN 软件安装指南》完成开发环境Toolkit软件包的安装才能使用。
• 在自动迁移和工具迁移中，若原始代码中调用了模型套件或第三方库，迁移过程可能会存在适配问题，所以在迁移原始代码前，需要自行安装昇腾已适配的模型套件或三方库版本。目前已适配的第三方库如表1 昇腾适配第三方库说明所示，请用户查看对应的第三方库版本，并前往对应的章节查看安装和使用指南。
• 当前自动迁移和工具迁移不支持使用DP（distributed parallel）模式的模型迁移。若用户训练脚本中包含昇腾NPU平台不支持的torch.nn.parallel.DataParallel接口，需要手动修改成torch.nn.parallel.DistributedDataParallel接口执行多卡训练，原脚本需要在GPU环境下且基于Python3.7及以上能够跑通。修改步骤可参见迁移单卡脚本为多卡脚本。
• APEX中使用的FusedAdam优化器不支持使用0代码迁移和PyTorch GPU2Ascend工具进行迁移，若原始代码中包含该优化器，用户需自行修改。