---
title: 主流框架集成
description: "HCCL在系统中的位置如下图所示。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/hcclug/hcclug_000005.html
sourcePath: /source/zh/canncommercial/900/API/hcclug/hcclug_000005.html
indexId: 56dd4d64a4f9d1ec679924b79d025c33271be2bb21bffb894075b351d7b12d5b59
---
# 主流框架集成

#### 场景说明

HCCL在系统中的位置如下图所示。

图1 HCCL在系统中的位置示例


AI框架主要有三种编程执行形态，单算子模式、图模式（Ascend IR）和图捕获模式（aclgraph），因此HCCL也提供了对应的工作方式。- 单算子模式与图捕获模式（aclgraph）下，AI框架直接调用HCCL的C语言接口，下发通信算子到加速引擎执行，关于HCCL通信算子API的详细介绍可参见  通信算子
。
- 图模式（Ascend IR）下，AI框架使用Ascend算子IR将模型的计算过程构造成一张图，通过Graph Engine（简称GE）将图中的通信算子下发给加速引擎执行，关于图模式的详细介绍，可参见《图开发(https://www.hiascend.com/document/detail/zh/canncommercial/900/programug/graphdevg/atlasag_25_0081.html)》，Ascend IR的定义可参见《算子库(https://www.hiascend.com/document/detail/zh/canncommercial/900/API/aolapi/operatorlist_00001.html)》中的“Ascend IR算子规格说明(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/aolapi/operatorlist_00093.html)”。


针对PyTorch和MindSpore框架，HCCL的调用已集成到PyTorch适配插件Ascend Extension for PyTorch和MindSpore框架代码中，开发者指定使用HCCL作为分布式后端，直接使用框架原生通信API，即可实现分布式能力，详细使用方法可参见《Ascend Extension for PyTorch 产品文档(https://hiascend.com/document/redirect/pytorchuserguide)》和MindSpore官网(https://www.mindspore.cn/)。

针对TensorFlow框架，HCCL通过TensorFlow适配插件TF Adapter对接TensorFlow框架，详细使用方法可参见《TensorFlow 1.15模型迁移(https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000001.html)》与《TensorFlow 2.6.5模型迁移(https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/900/migration/tfmigr2/tfmigr2_000001.html)》。


#### 示例代码

-   PyTorch框架调用(https://gitcode.com/cann/hccl/tree/master/examples/03_ai_framework/01_pytorch)

-   TensorFlow框架调用(https://gitcode.com/cann/hccl/tree/master/examples/03_ai_framework/02_tensorflow)