功能介绍

约束说明

• X2MindSpore工具支持对包括但不限于X2MindSpore 模型列表列出的模型进行迁移，迁移成功后可直接运行，部分模型需要根据实际情况进行少量适配。迁移后模型能够训练成功且收敛，但对最终精度和性能暂不做保证。
• X2MindSpore工具会在迁移后的目录中生成适配层文件目录x2ms_adapter。该目录中保存的是基于MindSpore实现的PyTorch/TensorFlow API替换接口，工具会将原PyTorch/TensorFlow API按照映射关系迁移至适配层API，迁移后代码依赖适配层运行。
• 工具支持的Python版本为Python3.7~3.9。
• 通过X2MindSpore工具迁移后的训练脚本支持在MindSpore 1.7~1.10版本上运行，在此之后本工具不再继续演进，支持的Python版本为Python3.7~3.9。

• 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，当前仅有X2MindSpore 模型列表中ResNet、BiT系列（PyTorch）和UNet（PyTorch）的模型支持Graph模式迁移，其余模型只支持迁移至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，在PyTorch迁移过程中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。
• 当其他程序占用当前卡，导致可用内存不足，可在训练脚本中context.set_context语句添加device_id = *，*为指定调用卡的ID。
• 当前TensorFlow 1.x的训练脚本不支持迁移为多卡脚本。