【CANN训练营】昇腾训练执行与推理部署系列（三）

        本章节介绍在昇腾上训练模型的过程，从迁移、适配、训练、到最后的推理验证，并基于开发板验证训练&推理全过程。        

手写体识别

数据集收集

设计模型

我们的目标是识别图片中的数字，这是典型的分类问题。因此我们采用卷积神经网络(CNN)去实现这一功能。数字本身特征较少，我们只需简单堆叠两层卷积层便可满足这一任务目标的需求。我们设计的网络代码如下:

Pytorch训练基本流程介绍

预处理定义

关键组件定义

训练执行

训练执行

Pytorch训练迁移

将基于PyTorch的训练脚本迁移到昇腾AI处理器上进行训练，目前有以下3种方式:
自动迁移、工具迁移、手工迁移。且迁移前要保证该脚本能在GPU、CPU上运行。

自动迁移

工具迁移---脚本转换工具（msFmkTransplt）

手工迁移---单卡模型迁移

混合精度amp

手工迁移代码改动

混合精度代码改动

Onnx框架介绍

Onnx导出

离线推理应用开发

模型转换

资源初始化和释放示例代码

推理示例代码

后处理示例代码