前提条件

环境准备

1. 准备一台基于Atlas 训练系列产品的训练服务器，并安装对应的驱动和固件。
2. 安装开发套件包Ascend-cann-toolkit，具体可参考《CANN 软件安装指南》的“安装开发环境”章节。
3. 安装MindStudio，具体可参考《MindStudio安装指南》的“安装操作（Linux）”章节。
4. 安装PyTorch 1.5.0，具体可参考《CANN软件安装指南》的“安装PyTorch”章节。
5. 使用PyTorch GPU2Ascend迁移前须执行如下命令安装依赖：

   pip3 install pandas         #pandas版本号需大于或等于1.2.4
   pip3 install libcst

配置环境变量

1. 以运行用户登录，在任意目录下执行vi ~/.bashrc命令，打开.bashrc文件，在文件最后一行后面添加以下内容（以非root用户的默认安装路径为例）。

   # Ascend-cann-toolkit环境变量（请根据实际路径修改）
   source ~/Ascend/ascend-toolkit/set_env.sh
   
   # pytorch环境变量（请根据实际路径修改）
   export LD_LIBRARY_PATH=~/.local/lib/python3.7/site-packages/torch/lib:$LD_LIBRARY_PATH

2. 执行:wq!命令保存文件并退出。
3. 执行source ~/.bashrc命令使其立即生效。

数据准备

• pytorch-cifar100模型脚本（请上传至训练服务器的个人目录下）
• cifar100数据集（无需提前准备，训练时可自动下载）