---
title: 如何基于TensorFlow的C++接口适配NPU设备
description: "开发者将TensorFlow源码与业务代码同时编译使用的场景下，文档中提供的基于Python将TensorFlow脚本迁移到NPU执行训练的方法不再适用。此处为用户提供了一种在TensorFlow源码层面适配NPU设备的方法（此方法仅供参考）。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_000118.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000118.html
indexId: 7f542f8caf413fc80e1f53d536ef1ec77b17cfd0787576ea373161dbca878b0c73
---
# 如何基于TensorFlow的C++接口适配NPU设备

#### 场景说明

开发者将TensorFlow源码与业务代码同时编译使用的场景下，文档中提供的基于Python将TensorFlow脚本迁移到NPU执行训练的方法不再适用。此处为用户提供了一种在TensorFlow源码层面适配NPU设备的方法（此方法仅供参考）。


#### 操作步骤

1. 编译代码时，需要在链接动态库选项中增加一个到_tf_adapter.so的链接，这个so是一个让TensorFlow能找到NPU设备的插件。
  以gcc为例，假设“/usr/local/lib/python3.7/site-packages/npu_bridge/_tf_adapter.so”为此so的存储路径，使用方法如下：

2. 对TensorFlow的SessionOptions做适配，使其能将图下发到NPU上计算。
  TensorFlow的SessionOptions变量可以通过以下代码获取:

  1 tensorflow::SessionOptions sessOpts = tensorflow::SessionOptions();

  接着对此SessionOptions的内容增加以下内容:

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 auto *custom_op = sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->add_custom_optimizers(); custom_op->set_name("NpuOptimizer"); AttrValue value_bool; value_bool.set_b(true); custom_op->mutable_parameter_map()->insert({"use_off_line", value_bool}); AttrValue value_string; value_string.set_s(std::string("force_fp16")); custom_op->mutable_parameter_map()->insert({"precision_mode", value_string}); AttrValue value_int; value_int.set_i(0); custom_op->mutable_parameter_map()->insert({"graph_run_mode", value_int}); sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->set_remapping(RewriterConfig::OFF); sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->set_memory_optimization(RewriterConfig_MemOptType_MANUAL);

3. 设置NPU基础环境变量，使其能找到NPU的相关so。

```
# 以root用户默认安装路径为例
source /usr/local/Ascend/cann/set_env.sh
```


  完成上述步骤后，即可以在NPU上执行业务了。