模型选取与约束说明（必读）

模型选取

建议用户在选取迁移模型时，尽可能选取权威PyTorch模型实现仓，包括但不限于PyTorch(imagenet/vision等)、facebookresearch(Detectron/detectron2等)、open-mmlab(MMDetection/mmpose等)。

对于大模型，使用较为广泛的资源仓库是huggingface社区、Megatron-LM、Llama-Factory等仓库，可以在其中选取目标模型。

约束说明

在进行模型迁移前，需要了解如下模型迁移约束，评估当前模型迁移的可行性，完成迁移前的准备：

• 迁移前要保证选定的模型能在GPU或CPU上运行，并输出精度和性能基线。
• 模型迁移前需要完成昇腾PyTorch训练环境安装，以完成迁移支持度分析与后续的模型训练，请参考《Ascend Extension for PyTorch 配置与安装》完成环境安装，包括NPU驱动固件、CANN软件toolkit、二进制算子包以及PyTorch框架的安装。

目前已知的不支持场景：

• 当前不支持使用DP（distributed parallel）模式的模型迁移。若用户训练脚本中包含昇腾NPU平台不支持的torch.nn.parallel.DataParallel接口，则需手动修改该接口为torch.nn.parallel.DistributedDataParallel接口，以执行多卡训练。原脚本需要在GPU环境下基于Python3.8及以上跑通。
• APEX库中的FusedAdam融合优化器，目前不支持使用自动迁移或PyTorch GPU2Ascend工具迁移该优化器，需用户手工进行迁移，具体修改方法请参考LINK。
• 大模型迁移暂不支持bmtrain框架的迁移。
• 大模型迁移暂不支持使用了bitsandbytes的迁移。
• 大模型迁移暂不支持colossai三方库中HybridAdam优化器相关接口的迁移。
• 目前暂不原生支持xFormers训练，需要使用xFormers中的FlashAttentionScore融合算子的迁移，用户可参考FlashAttentionScore章节进行替换。
• 当前NPU不支持grouped_gemm第三方库安装。
• 当前NPU支持composer第三方库安装，但NPU未做适配，无法使用。