迁移准备

模型选取

在选取模型时，尽可能选取权威PyTorch模型实现仓作为标杆，包括但不限于PyTorch(imagenet/vision等)、facebookresearch(Detectron/detectron2等)和open-mmlab(mmdetection/mmpose等)。

若用户没有模型迁移相关的经验，建议先基于PyTorch官网提供的Imagenet数据集训练脚本main.py，根据模型迁移中的迁移流程，理解一下迁移的要点和方法。

模型移植评估

模型是否可以迁移成功主要取决于模型算子是否支持昇腾AI处理器，故需要对模型算子对昇腾AI处理器的支持性进行评估。

• 模型迁移前，查看算子适配情况。将原始模型及训练脚本迁移到昇腾AI处理器上之前，可以将原始模型及训练脚本在CPU上进行训练，使用PyTorch profiler功能获取当前模型算子列表并在《支持Caffe&TensorFlow&ONNX&PyTorch算子清单》中查找该算子查看是否支持，PyTorch profiler功能获取算子信息请参见dump op方法。

• 模型迁移后，在昇腾设备上进行运行训练脚本。若存在不支持昇腾AI设备的算子，会提示报错信息。
• 当有不支持算子时，可修改模型脚本用等价支持的算子替换不支持算子或者参考《算子开发指南》中“算子开发过程>算子适配>适配插件开发（PyTorch框架）”进行算子适配。