---
title: 学习向导
description: "描述本手册的读者对象，TensorFlow 1.15模型迁移的全流程，以及使用本手册的一些注意点。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_000001.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000001.html
indexId: 0b94a7f8d3d9d7a31b88932cb98079230aa8c32f1832919b40a8eb6ded98408673
---
# 学习向导

描述本手册的读者对象，TensorFlow 1.15模型迁移的全流程，以及使用本手册的一些注意点。

#### 读者对象

本文档适用于AI算法工程师，用于将基于TensorFlow 1.15的Python API开发的网络脚本迁移到NPU上执行。当前NPU上支持TensorFlow 1.15的三种API开发的网络脚本迁移：分别是Estimator，Session，Keras。

掌握以下经验和技能可以更好地理解本文档：- 熟悉CANN软件基本架构以及特性。
- 熟悉TensorFlow 1.15的API。
- 对机器学习、深度学习有一定的了解，熟悉训练网络的基本知识与流程。
- 具有熟练的Python语言编程能力。


#### 支持的产品

Atlas 350 加速卡

Atlas A3 训练系列产品 / Atlas A3 推理系列产品

Atlas A2 训练系列产品 / Atlas A2 推理系列产品

Atlas 训练系列产品


#### 使用前须知

- 在NPU上进行模型迁移之前，建议用户事先准备好基于TensorFlow 1.15开发的训练模型以及配套的数据集，并要求在GPU或CPU上运行通过，达到预期精度和性能要求，同时记录相关精度和性能指标，用于后续在NPU进行精度和性能对比。
- 本文中的代码片段仅为示例，用户使用时请注意修改适配。


#### 模型开发向导

模型开发的主要工作就是将TensorFlow原始模型迁移到AI处理器上执行训练，主要流程如下图所示。