---
title: Keras迁移
description: "Keras和Estimator类似，都属于TensorFlow高阶API，提供了方便的构图功能，并对训练、评估、验证、导出提供了方便的接口。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr2/tfmigr2_000025.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr2/tfmigr2_000025.html
indexId: 3e542e8db942121e50a9823b52d8ee0a825756aac2a71f6b37e914ade68ecde773
---
# Keras迁移

#### Keras简介

Keras和Estimator类似，都属于TensorFlow高阶API，提供了方便的构图功能，并对训练、评估、验证、导出提供了方便的接口。

TensorFlow 2.6版本中继续支持Keras API，如果需要沿用在TensorFlow1.x版本中的用法，则可以通过compat.v1模块调用，调用方式如下：

```
tf.compat.v1.Session
```

使用Keras API进行训练脚本开发的一般步骤为：

1. 数据预处理。
2. 模型搭建。
3. 模型编译。
4. 模型训练。

当前仅支持通过TensorFlow的Keras API编写的训练脚本，而不支持原生Keras API。


下面介绍如何迁移此类Keras训练脚本，以便在AI处理器上进行训练。


#### 头文件增加

对于以下步骤中涉及修改的Python文件，新增以下头文件引用，用于导入NPU相关库。

```
import npu_device
from npu_device.compat.v1.npu_init import *
npu_device.compat.enable_v1()
```


#### 迁移点说明

如果您是Keras训练脚本，由于Keras迁移到NPU运行时，某些功能受限支持，例如不支持动态学习率等，因此不建议用户在NPU上迁移Keras开发的网络脚本。如需在NPU运行Keras脚本，您需要对脚本进行如下修改：

创建一个TensorFlow会话并注册Keras，需要增加相关配置项以便在AI处理器执行训练。同时在训练结束时，关闭会话。

```
import tensorflow as tf 
import tensorflow.keras as keras 
from tensorflow.keras import backend as K 
from npu_device.compat.v1.npu_init import * 
 
sess_config = tf.compat.v1.ConfigProto()
custom_op = sess_config.graph_options.rewrite_options.custom_optimizers.add() 
custom_op.name = "NpuOptimizer" 
sess_config.graph_options.rewrite_options.remapping = RewriterConfig.OFF 
sess_config.graph_options.rewrite_options.memory_optimization = RewriterConfig.OFF 
sess = tf.compat.v1.Session(config=sess_config) 
K.set_session(sess) 
 
#数据预处理... 
#模型搭建... 
#模型编译... 
#模型训练... 
 
sess.close()
```