---
title: 性能调优流程
description: "迁移到AI处理器进行训练的网络如果存在性能不达标的问题，可按照如下流程进行性能调优："
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_000039.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000039.html
indexId: 74607b3820dd2573dc69f81a6ec390c22e1901673b877cd88e480832d5fd633d73
---
# 性能调优流程

迁移到AI处理器进行训练的网络如果存在性能不达标的问题，可按照如下流程进行性能调优：

图1 性能调优流程

1. 当性能不达标时，优先推荐进行如下通用的性能提升操作。

  a. 使能自动混合精度训练模式。
  b. 检查亲和接口是否替换。
  c. 使能训练迭代循环下沉。
  d. 使用AOE工具进行子图、算子以及梯度切分策略的调优。
    Atlas 350 加速卡不支持AOE工具。

详细操作请参见基本调优。
2. 再次执行模型训练，并评估训练性能是否达标。

  - 若性能达标 —> 调优结束。
  - 若性能不达标 —> 执行    3
。
3. 使用Profiling工具采集性能数据并分析。
  参考Profiling数据采集与分析进行性能数据的采集、解析导出与分析。

4. 根据识别的性能瓶颈参见进阶调优进行进一步的性能提升。
5. 再次执行模型训练，进行回归测试，评估训练性能是否达标。

  - 若性能达标 —> 调优结束。
  - 针对如下产品，若性能不达标 —> 再次执行    AOE自动调优
。
    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

  - 针对Atlas 350 加速卡，若性能不达标，请再次执行    Profiling数据采集与分析
。