模型开发&迁移

前提条件

• MindSpore训练场景：

  以“mindspore_main.py”命名为例，创建训练脚本文件，脚本内容直接拷贝MindSpore 昇腾NPU环境训练脚本样例。

• PyTorch训练场景：

  本样例选用ResNet50模型，以“pytorch_main.py”命名为例，创建训练脚本文件，脚本内容直接拷贝PyTorch GPU环境训练脚本样例（也可以下载main.py文件）。

环境准备

1. 准备一台基于Atlas 训练系列产品的训练服务器，并安装NPU驱动固件。
2. 请参考安装CANN。
3. 安装框架。
   • MindSpore训练场景以安装2.6.0和2.7.0版本为例，具体操作请参见《MindSpore安装指南》。
   • PyTorch训练场景以安装2.6.0版本为例，具体操作请参见适配插件开发（PyTorch框架）。
4. 配置环境变量。

   安装CANN软件后，使用CANN运行用户进行编译、运行时，需要以CANN运行用户登录环境，执行source ${install_path}/set_env.sh命令设置环境变量。其中${install_path}为CANN软件的安装目录，例如：/usr/local/Ascend/ascend-toolkit。

5. 将“mindspore_main.py”或“pytorch_main.py”文件上传至训练服务器的任意目录下（需保证该目录下文件的读写权限）。

执行训练（MindSpore训练场景）

MindSpore训练场景直接执行训练。

python mindspore_main.py

如果训练正常进行，完成后打印如下日志。

1

train finish

执行迁移（PyTorch训练场景）

PyTorch训练场景需要先将基于GPU的训练脚本迁移为支持昇腾NPU环境的脚本，再执行训练。

1. 在训练脚本（pytorch_main.py文件）中导入自动迁移的库代码。
   以PyTorch 昇腾NPU环境训练脚本样例为例。

   1 2 3 4 5

   22 23 import torch_npu 24 from torch_npu.contrib import transfer_to_npu 25 # 在23 24行插入的代码为自动迁移的库代码，可以在昇腾NPU环境下直接执行训练

2. 迁移完成后的训练脚本可在昇腾NPU环境上运行，执行以下训练命令。

   python pytorch_main.py -a resnet50 -b 32 --gpu 1 --dummy

   如果训练正常进行，开始打印迭代日志，说明训练功能迁移成功，如下所示。

   1 2 3 4 5 6

   Using device: npu => creating model 'resnet50' => Dummy data is used! Epoch: [0][ 1/40037] Time 4.923 ( 4.923) Data 0.502 ( 0.502) Loss 7.0165e+00 (7.0165e+00) Acc@1 0.00 ( 0.00) Acc@5 0.00 ( 0.00) Epoch: [0][ 11/40037] Time 0.061 ( 0.996) Data 0.000 ( 0.541) Loss 1.2860e+01 (1.9566e+01) Acc@1 0.00 ( 0.00) Acc@5 0.00 ( 0.85) Epoch: [0][ 21/40037] Time 0.063 ( 0.551) Data 0.000 ( 0.285) Loss 9.5061e+00 (1.5033e+01) Acc@1 0.00 ( 0.00) Acc@5 0.00 ( 0.74)

3. 成功保存权重，说明保存权重功能迁移成功。