快速入门

简介

PyTorch GPU2Ascend工具可将基于GPU的训练脚本迁移为支持NPU的脚本，大幅度提高脚本迁移速度，降低开发者的工作量。本样例可以让开发者快速体验PyTorch GPU2Ascend工具的迁移效率。

本样例选用ResNet50模型，数据集为ImageNet。

前提条件

准备一台基于Atlas 训练系列产品的训练服务器，并安装对应的驱动和固件。驱动和固件的安装请参考安装NPU驱动固件
安装开发套件包Ascend-cann-toolkit，具体请参考安装CANN。
以安装PyTorch 2.1.0版本为例，具体操作请参考“安装PyTorch”章节，完成PyTorch框架和torch_npu插件的安装。

使用PyTorch GPU2Ascend迁移前须执行如下命令安装依赖，如下命令如果使用非root用户安装，需要在安装命令后加上--user。

pip3 install pandas         #必选，pandas版本号需大于或等于1.2.4
pip3 install libcst         #必选，语义分析库，用于解析Python文件
pip3 install prettytable    #必选，将数据可视化为图表形式
pip3 install jedi           #必选，用于跨文件解析

下载main.py文件，将获得ResNet50模型放到用户自定义路径下（如/home/user）。

自动迁移

修改内容少，只需在训练脚本中导入库代码，迁移后直接在昇腾NPU平台上运行（推荐）。

在训练脚本main.py文件中导入自动迁移的库代码。

from torch.utils.data import Subset
import torch_npu 
from torch_npu.contrib import transfer_to_npu   
.....

切换目录至迁移完成后的训练脚本所在路径（以/home/user为例），执行以下命令使用虚拟数据集进行训练，迁移完成后的训练脚本可在NPU上正常运行。
开始打印迭代日志，说明训练功能迁移成功。
```
cd /home/user
python main.py -a resnet50 --gpu 1 --epochs 1 --dummy  # --gpu 1表示使用卡1，--epochs 1是指迭代次数为1
```
成功保存权重，说明保存权重功能迁移成功。

使用PyTorch GPU2Ascend工具迁移

进入迁移工具所在路径。

cd Ascend-cann-toolkit安装目录/ascend-toolkit/latest/tools/ms_fmk_transplt/

执行脚本迁移任务，参考表1配置信息。

./pytorch_gpu2npu.sh -i 原始脚本路径 -o 脚本迁移结果输出路径 -v 原始脚本的PyTorch框架版本

命令示例：

./pytorch_gpu2npu.sh -i /home/user -o /home/out -v 2.1.0

切换目录至迁移完成后的训练脚本所在路径（以/home/user为例），执行以下命令使用虚拟数据集进行训练，迁移完成后的训练脚本可在NPU上正常运行。
开始打印迭代日志，说明训练功能迁移成功。
```
cd /home/user
python main.py -a resnet50 --gpu 1 --epochs 1 --dummy  # --gpu 1表示使用卡1，--epochs 1是指迭代次数为1
```
完成脚本迁移，进入脚本迁移结果的输出路径查看结果件。

脚本迁移过程中会启动迁移分析，默认使用torch_apis和affinity_apis的分析模式，可参见分析报告简介查看对应的结果件。
成功保存权重，说明保存权重功能迁移成功。