快速入门
本节通过一个简单的TensorFlow脚本迁移样例，帮助用户快速了解TensorFlow脚本迁移到昇腾平台并执行的方法。
- 脚本迁移。
- 迁移前脚本示例：
1 2 3 4 5 6 7
import tensorflow as tf a = tf.random_normal([2, 3], dtype=tf.float32) b = tf.random_uniform([2, 3], dtype=tf.float32) c = tf.add(a, b) with tf.Session() as sess: result = sess.run(c) print("result: ", result)
- 迁移后脚本示例：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
import tensorflow as tf # 导入NPU相关库 from npu_bridge.npu_init import * a = tf.random_normal([2, 3], dtype=tf.float32) b = tf.random_uniform([2, 3], dtype=tf.float32) c = tf.add(a, b) # 增加session配置“allow_soft_placement=True”，允许TensorFlow自动分配设备。 config = tf.ConfigProto(allow_soft_placement=True) # 添加名字为“NpuOptimizer”的NPU优化器，网络编译时，NPU只会遍历“NpuOptimizer”下的session配置。 custom_op = config.graph_options.rewrite_options.custom_optimizers.add() custom_op.name = "NpuOptimizer" # 必须显式关闭TensorFlow的remapping、memory_optimization功能，避免与NPU中的功能冲突。 config.graph_options.rewrite_options.remapping = RewriterConfig.OFF # 显式关闭 config.graph_options.rewrite_options.memory_optimization = RewriterConfig.OFF # 显式关闭 with tf.Session(config=config) as sess: result = sess.run(c) print("result: ", result)
- 迁移前脚本示例：
- 脚本执行。
- 配置环境变量。
1 2 3 4 5 6 7 8 9 10
# 请依据实际在下列场景中选择一个进行训练依赖包安装路径的环境变量设置。具体如下（以HwHiAiUser安装用户为例）： # 场景一：昇腾设备安装部署开发套件包Ascend-cann-toolkit(此时开发环境可进行训练任务)。 . /home/HwHiAiUser/Ascend/ascend-toolkit/set_env.sh # 场景二：昇腾设备安装部署软件包Ascend-cann-nnae。 # . /home/HwHiAiUser/Ascend/nnae/set_env.sh # TF Adapter python库，其中${TFPLUGIN_INSTALL_PATH}为TF Adapter软件包安装路径。 export PYTHONPATH=${TFPLUGIN_INSTALL_PATH}:$PYTHONPATH export JOB_ID=10087 # 训练任务ID，用户自定义，仅支持大小写字母，数字，中划线，下划线。不建议使用以0开头的纯数字 export ASCEND_DEVICE_ID=0 # 指定昇腾AI处理器的逻辑ID，单卡训练也可不配置，默认为0，在0卡执行训练
- 执行脚本。
假设迁移后的脚本命名为tf_quickstart.py，命令示例如下：
python3 tf_quickstart.py
- 配置环境变量。