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离线模型。

版本兼容性说明：
- 低版本的CANN软件包环境上转换出的离线模型，支持在高版本的CANN软件包环境上运行，兼容4个版本周期。
- 动态shape场景和静态昇腾虚拟化实例场景：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。
  （昇腾虚拟化实例主要是指NPU资源虚拟化的场景，其主要目的是为了通过相互隔离的vNPU虚拟实例提升物理NPU资源利用率，因此在某些场景下也称为算力切分。）
若开发环境架构为Arm（aarch64），模型转换耗时较长，则可以参考开发环境架构为Arm（aarch64）时模型转换耗时较长解决。
如果模型转换时，用户使用了设置网络模型精度参数--precision_mode或--precision_mode_v2：
- 上述两个参数默认都为性能优先，后续推理时可能会导致精度溢出问题。如果推理时出现精度问题，可以参见《AscendCL应用软件开发指南（C&C++）》章节的“模型推理精度提升建议”进行定位。
- 如果用户聚焦精度问题，可以修改为其他取值，比如--precision_mode设置为must_keep_origin_dtype或--precision_mode_v2设置为origin。

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>   
```
- --model：ResNet50网络模型文件所在路径。
- --framework：原始框架类型，3表示TensorFlow。
- --output：生成的离线模型路径。
- --soc_version：昇腾AI处理器的型号。
关于参数的详细解释请参见参数说明，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。
1
ATC run success, welcome to the next use.
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）。若模型转换失败，请参见《故障处理》>“错误码参考”章节进行辅助定位。
（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*.onnx --framework=5 --output=$HOME/module/out/onnx_resnet50 --soc_version=<soc_version>  
```
- --model：Resnet50网络模型文件所在路径。
- --framework：原始框架类型，5表示ONNX。
- --output：生成的离线模型路径。
- --soc_version：昇腾AI处理器的型号。
关于参数的详细解释请参见参数说明，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。
1
ATC run success, welcome to the next use.
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）。若模型转换失败，请参见《故障处理》>“错误码参考”章节进行辅助定位。
（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$HOME/module/目录下。
- ResNet-50网络的模型文件（*.prototxt）：单击Link下载该文件。
- ResNet-50网络的权重文件（*.caffemodel）：单击Link下载该文件。
执行如下命令生成离线模型。（如下命令中使用的目录以及文件均为样例，请以实际为准）
```
atc --model=$HOME/module/resnet50.prototxt --weight=$HOME/module/resnet50.caffemodel --framework=0 --output=$HOME/module/out/caffe_resnet50 --soc_version=<soc_version>  
```
- --model：ResNet-50网络模型文件所在路径。
- --weight：ResNet-50网络权重文件所在路径。
- --framework：原始框架类型，0表示Caffe。
- --output：生成的离线模型路径。
- --soc_version：昇腾AI处理器的型号。
关于参数的详细解释请参见参数说明，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。
1
ATC run success, welcome to the next use.
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）。若模型转换失败，请参见《故障处理》>“错误码参考”章节进行辅助定位
（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>
```
- --model：*.air格式的模型文件所在路径。
- --framework：原始框架类型，1表示*.air格式的模型文件。
- --output：生成的离线模型路径。
- --soc_version：昇腾AI处理器的型号。
关于参数的详细解释请参见参数说明，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。
1
ATC run success, welcome to the next use.
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）。若模型转换失败，请参见《故障处理》>“错误码参考”章节进行辅助定位。
（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。