【2023 · CANN训练营第一季】TensorFlow 迁移第二章：模型迁移与训练

【2023 · CANN训练营第一季】TensorFlow 迁移第二章：模型迁移与训练

第二章 TensorFlow 模型迁移与训练

前置条件

Python 基础，笔者认为要有计算机二级的水平
机器学习-深度学习基础，具体参考 Deeplearning

深度学习抽象概括：计算机训练由简单概念构建的多层网络对象并迭代，掌握对象特征

了解谷歌 TensorFlow，笔者使用了 Google Developer 机器学习教程

求助渠道：昇腾社区

迁移 TF 模型

为什么迁移 TF 模型？就像机器学习框架适配 NVIDIA CUDA 那般，在昇腾处理器上进行训练。因为训练数据爆炸增长训练时间长，需要迁移至训练速度更高的平台上。
华为的昇思（MindSpore）机器学习框架原生支持昇腾处理器。
注意！若只是对使用昇腾处理器进行推理，可尝试 ATC om 模型工具。

迁移前置条件：GPU 可运行，精度收敛。
两种迁移方式：自动迁移与手动迁移

• 自动迁移：使用 TFPlugin 传入训练脚本

• 对原始脚本进行 AST 语法树扫描，分析 API 支持度，并自动转换支持的脚本
• 昇腾迁移工具可迁移的API： estimator, sess.run, keras （高阶 API）
• 昇腾自动迁移工具不支持原生 Keras API ，但支持 TensorFlow 内 Keras API

• 手动迁移：根据文档手动修改脚本

训练 TF 模型（昇腾适配版）

云端训练环境：华为云 ModelArts

数据集放入 OBS ，使用 PyCharm 插件将训练脚本推理至平台。

深入了解 CANN 使用（AI 应用开发）

使用 ATC 转换训练完毕的模型（与上面的迁移模型做区分！）
使用 Ascend CL 开发图片分类应用

• 可以使用 C 语言或 Python 语言
• 可以理解为模型真正的变成了一个黑盒子，我们需要将测试模型的操作使用 Ascend CL 重新实现一遍。
  定义一堆子函数，作为对象供 CANN 调用
  CANN 运行管理资源申请与释放

1. 申请顺序：Device、Context、Stream
2. 释放顺序：反过来