迁移示例

简介

下面介绍如何通过工具迁移ResNet50网络。

下载原始模型和数据集

从github下载ResNet50原始模型。
git clone -b r1.13.0 https://github.com/tensorflow/models.git

假设原始模型下载到了/root/models目录下，用户可以在/root/models/official/resnet/下查看到下载到的ResNet50原始脚本：
下载数据集。
参考https://github.com/tensorflow/models/blob/r1.13.0/official/resnet/README.md的使用说明，下载数据集，具体操作为：

cd /root/models/official/resnet/

python cifar10_download_and_extract.py

export PYTHONPATH="$PYTHONPATH:/root/models"

数据集模型默认下载到/tmp/cifar10_data路径下。

使用迁移工具进行模型迁移

在运行环境上安装工具依赖。
pip3 install pandas

pip3 install xlrd==1.2.0

pip3 install openpyxl

pip3 install tkintertable

pip3 install google_pasta
执行命令进行工具自动迁移。
进入“tfplugin安装目录/tfplugin/latest/python/site-packages/npu_bridge/convert_tf2npu/”，执行如下命令可同时完成脚本扫描和自动迁移：

python3 main.py -i /root/models/official/resnet/ -o /root/models/official/ -r /root/models/official/
在/root/models/official/report_npu_***下查看迁移报告。
在/root/models/official/output_npu_***下查看迁移后的脚本。
并将原始脚本重命名，例如resnet_org，将迁移后的脚本重命名为resnet，从而保证脚本能顺利执行。

执行单Device训练

由于ResNet50原始训练脚本中使用了tf.data.Dataset对象的shard接口，因此在单Device上执行训练前必须准备单Device的资源信息配置文件。否则请跳过此步。
单Device的资源信息配置文件中需包含一个Device资源，文件名举例：rank_table_1p.json，配置文件举例：
```
{
"server_count":"1", 
"server_list":
[
   {
        "device":[ 
                       {
                        "device_id":"0", 
                        "device_ip":"192.168.1.8", 
                        "rank_id":"0" 
                        }
                  ],
         "server_id":"10.0.0.10"
    }
],
"status":"completed", 
"version":"1.0"
}
```
配置文件的详细介绍请参考准备资源配置文件。

配置训练进程启动依赖的环境变量。

安装CANN软件后，使用CANN运行用户编译、运行时，需要以CANN运行用户登录环境，执行. ${install_path}/set_env.sh命令设置环境变量。除此之外，还需进行如下配置：

# 当前脚本所在路径，例如：
export PYTHONPATH="$PYTHONPATH:/root/models"

export JOB_ID=10086        # 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开始的纯数字
export ASCEND_DEVICE_ID=0  # 指定昇腾AI处理器的逻辑ID，单P训练也可不配置，默认为0，在0卡执行训练
export RANK_ID=0           # 指定训练进程在集合通信进程组中对应的rank标识序号，单P训练固定配置为0
export RANK_SIZE=1         # 指定当前训练进程对应的Device在本集群大小，单P训练固定配置为1
export RANK_TABLE_FILE=/root/rank_table_1p.json # 如果用户原始训练脚本中使用了hvd接口或tf.data.Dataset对象的shard接口，需要配置，否则无需配置。

执行训练脚本拉起训练进程：
python3 /root/models/official/resnet/cifar10_main.py
检查训练过程是否正常，Loss是否收敛。
训练结束后，在/tmp/cifar10_model下生成checkpoint文件。

在两个Device上执行分布式训练

准备包含两个Device的昇腾AI处理器资源信息配置文件，文件名举例：rank_table_2p.json，配置文件举例：

{
"server_count":"1",
"server_list":
[
   {
        "device":[
                       {
                        "device_id":"0", 
                        "device_ip":"192.168.1.8",
                        "rank_id":"0"
                        },
                        {
                         "device_id":"1",
                         "device_ip":"192.168.1.9",   // 两个Device需要处于同一网段，0卡和1卡为同一网段
                         "rank_id":"1"
                         }
                  ],
         "server_id":"10.0.0.10" 
    }
],
"status":"completed",
"version":"1.0"
}

配置文件的详细介绍请参考准备资源配置文件。

在不同的shell窗口依次拉起不同的训练进程。
拉起训练进程0：
安装CANN软件后，使用CANN运行用户编译、运行时，需要以CANN运行用户登录环境，执行. ${install_path}/set_env.sh命令设置环境变量。并进行如下配置：
```
export PYTHONPATH=/home/test:$PYTHONPATH
export JOB_ID=10086
export ASCEND_DEVICE_ID=0
export RANK_ID=0
export RANK_SIZE=2
export RANK_TABLE_FILE=/home/test/rank_table_2p.json
python3 /root/models/official/resnet/cifar10_main.py
```
拉起训练进程1：
安装CANN软件后，使用CANN运行用户编译、运行时，需要以CANN运行用户登录环境，执行. ${install_path}/set_env.sh命令设置环境变量。并进行如下配置：
```
export PYTHONPATH=/home/test:$PYTHONPATH
export JOB_ID=10086
export ASCEND_DEVICE_ID=1
export RANK_ID=1
export RANK_SIZE=2
export RANK_TABLE_FILE=/home/test/rank_table_2p.json
python3 /root/models/official/resnet/cifar10_main.py
```
- 除了以上方式，您还可以通过自定义启动脚本通过循环方式依次拉起多个训练进程，具体样例请参考链接。

父主题： 自动迁移和训练