系统约束与限制

该文档仅配套TensorFlow 2.6.5版本使用，当前版本同时支持TensorFlow 1.15版本的模型迁移，具体请参考《TensorFlow 1.15模型迁移指南》。
当前版本不支持float64/complex64/complex128/DT_VARIANT数据类型。
只支持变量（tf.Variable）资源相关操作在NPU执行。
只支持tf.function修饰的函数算子在NPU执行。
不支持训练脚本中同时使用tf.compat.v1接口和TF 2.6.5中eager功能相关的API。
TensorFlow 2.6.5数据预处理过程默认在Host上执行，而变量需要下沉到Device上初始化，因此当TensorFlow 2.6.5训练脚本的数据预处理使用了变量时，在NPU训练会执行失败，因此需要将该逻辑嵌套在context.device（‘CPU:0’）下，将使用预处理的变量在Host上初始化。
集合通信约束：
- 分布式训练场景下，HCCL会使用Host服务器的部分端口进行集群信息收集，需要操作系统预留该部分端口。默认情况下，HCCL使用60000-60015端口，若通过环境变量HCCL_IF_BASE_PORT指定了Host网卡起始端口，则需要预留以该端口起始的16个端口。
  操作系统端口号预留示例：sysctl -w net.ipv4.ip_local_reserved_ports=60000-60015
- 针对Atlas 训练系列产品：server内只支持1/2/4/8P粒度的分配。

父主题： 使用前必读