快速入门
本章节以各框架下模型转换为例，演示如何快速转换一个模型。
- Atlas A2训练系列产品不支持Caffe框架。
- 版本兼容性说明：
动态shape场景，和静态算力切分场景：若用户使用6.0.1之前的CANN版本进行的模型转换，无法在6.0.1及之后CANN版本进行推理，需要使用6.0.1及之后匹配的CANN版本重新进行模型转换。如果用于想查看已有离线模型使用的ATC工具等基础版本信息，则请参见借助离线模型查看软件基础版本号。
- 如果用户使用的网络模型中有自定义算子，则请优先参见《TBE&AI CPU自定义算子开发指南》手册开发部署好自定义算子，模型转换时会优先去查找自定义算子库匹配模型文件中的算子；若匹配失败，则会去查找内置算子库。
- 如果用户使用Faster RCNN、YOLOv3、YOLOv2、SSD等Caffe框架网络模型进行模型转换，由于此类网络中包含了一些原始Caffe框架中没有定义的算子结构，如ROIPooling、Normalize、PSROI Pooling和Upsample等。为了使昇腾AI处理器能支持这些网络，需要对原始的Caffe框架网络模型进行扩展，降低开发者开发自定义算子/开发后处理代码的工作量，详细扩展方法请参见定制网络修改（Caffe）。
- 针对TensorFlow原始网络模型，如果存在控制流算子，该类网络模型不能直接使用ATC工具进行模型转换，需要先将控制流算子的网络模型转成函数类算子的网络模型，然后利用ATC工具转换成适配昇腾AI处理器的离线模型，详细转换方式请参见定制网络修改（TensorFlow）。
开源框架的TensorFlow网络模型转换成离线模型
- 获取TensorFlow网络模型。
单击Link，根据页面提示获取ResNet50网络的模型文件（*.pb），并以CANN软件包运行用户将获取的文件上传至开发环境任意目录，例如上传到$HOME/module/目录下。
- 执行如下命令生成离线模型。（如下命令中使用的目录以及文件均为样例，请以实际为准）
atc --model=$HOME/module/resnet50_tensorflow*.pb --framework=3 --output=$HOME/module/out/tf_resnet50 --soc_version=<soc_version>关于参数的详细解释以及使用方法请参见参数说明，请使用与芯片名相对应的<soc_version>取值进行模型转换，然后再进行推理，具体使用芯片查询方法请参见--soc_version。
- 若提示如下信息，则说明模型转换成功，若模型转换失败，则请参见《故障处理》进行定位。
ATC run success
成功执行命令后，在--output参数指定的路径下，可查看离线模型（如：tf_resnet50.om）。
模型编译时，若遇到AI CPU算子不支持某种数据类型导致编译失败的场景，可通过启用Cast算子自动插入特性快速将输入转换为算子支持的数据类型，从而实现网络的快速打通，详细流程请参见开启AI CPU Cast算子自动插入特性。
- （后续处理）如果想快速体验直接使用转换后的om离线模型文件进行推理，请准备好环境、om模型文件、符合模型输入要求的*.bin格式的输入数据，单击Link，获取msame工具，参考该工具配套的README，进行体验。
ONNX网络模型转换成离线模型
- 获取ONNX网络模型。
单击Link进入ModelZoo页面，查看README.md中“快速上手>模型推理”章节获取.onnx模型文件，再以CANN软件包运行用户将onnx模型文件上传至开发环境任意目录，例如上传到$HOME/module/目录下。
- 执行如下命令生成离线模型。（如下命令中使用的目录以及文件均为样例，请以实际为准）
atc --model=$HOME/module/resnet50*.onnx --framework=5 --output=$HOME/module/out/onnx_resnet50 --soc_version=<soc_version>关于参数的详细解释以及使用方法请参见参数说明，请使用与芯片名相对应的<soc_version>取值进行模型转换，然后再进行推理，具体使用芯片查询方法请参见--soc_version。
- 若提示如下信息，则说明模型转换成功，若模型转换失败，则请参见《故障处理》进行定位。
ATC run success
成功执行命令后，在--output参数指定的路径下，可查看离线模型（如：onnx_resnet50.om）。
模型编译时，若遇到AI CPU算子不支持某种数据类型导致编译失败的场景，可通过启用Cast算子自动插入特性快速将输入转换为算子支持的数据类型，从而实现网络的快速打通，详细流程请参见开启AI CPU Cast算子自动插入特性。
- （后续处理）如果想快速体验直接使用转换后的om离线模型文件进行推理，请准备好环境、om模型文件、符合模型输入要求的*.bin格式的输入数据，单击Link，获取msame工具，参考该工具配套的README，进行体验。
开源框架的Caffe网络模型转换成离线模型
- 获取Caffe网络模型。
您可以从以下链接中获取ResNet-50网络的模型文件（*.prototxt）、权重文件（*.caffemodel），并以CANN软件包运行用户将获取的文件上传至开发环境任意目录，例如上传到$HOME/module/目录下。
- 执行如下命令生成离线模型。（如下命令中使用的目录以及文件均为样例，请以实际为准）
atc --model=$HOME/module/resnet50.prototxt --weight=$HOME/module/resnet50.caffemodel --framework=0 --output=$HOME/module/out/caffe_resnet50 --soc_version=<soc_version>关于参数的详细解释以及使用方法请参见参数说明，请使用与芯片名相对应的<soc_version>取值进行模型转换，然后再进行推理，具体使用芯片查询方法请参见--soc_version。
- 若提示如下信息，则说明模型转换成功，若模型转换失败，则请参见《故障处理》进行定位。
ATC run success
成功执行命令后，在--output参数指定的路径下，可查看离线模型（如：caffe_resnet50.om）。
模型编译时，若遇到AI CPU算子不支持某种数据类型导致编译失败的场景，可通过启用Cast算子自动插入特性快速将输入转换为算子支持的数据类型，从而实现网络的快速打通，详细流程请参见开启AI CPU Cast算子自动插入特性。
- （后续处理）如果想快速体验直接使用转换后的om离线模型文件进行推理，请准备好环境、om模型文件、符合模型输入要求的*.bin格式的输入数据，单击Link，获取msame工具，参考该工具配套的README，进行体验。
MindSpore框架的网络模型转换成离线模型
- 获取MindSpore框架的网络模型。
单击Link，获取ResNet-50网络的模型文件（仅支持*.air格式的模型文件进行模型转换），并以CANN软件包运行用户将获取的文件上传到开发环境任意路径，例如$HOME/module/目录下。
- 执行如下命令生成离线模型。（如下命令中使用的目录以及文件均为样例，请以实际为准）
atc --model=$HOME/module/ResNet50.air --framework=1 --output=$HOME/module/out/ResNet50_mindspore --soc_version=<soc_version>关于参数的详细解释以及使用方法请参见参数说明，请使用与芯片名相对应的<soc_version>取值进行模型转换，然后再进行推理，具体使用芯片查询方法请参见--soc_version。
- 若提示如下信息，则说明模型转换成功，若模型转换失败，则请参见《故障处理》进行定位。
ATC run success
成功执行命令后，在--output参数指定的路径下，可查看离线模型（如：ResNet50_mindspore.om）。
模型编译时，若遇到AI CPU算子不支持某种数据类型导致编译失败的场景，可通过启用Cast算子自动插入特性快速将输入转换为算子支持的数据类型，从而实现网络的快速打通，详细流程请参见开启AI CPU Cast算子自动插入特性。
- （后续处理）如果想快速体验直接使用转换后的om离线模型文件进行推理，请准备好环境、om模型文件、符合模型输入要求的*.bin格式的输入数据，单击Link，获取msame工具，参考该工具配套的README，进行体验。
