下载
中文
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

TensorFlow模型开发

帮助开发者认识、了解如何将TensorFlow模型迁移到昇腾平台,以及如何提升TensorFlow计算图在昇腾平台上执行效率的基本操作。

文档总览

文档

内容介绍

关键资源获取

环境准备

介绍如何在昇腾平台上部署TensorFlow模型的开发运行环境。

模型迁移

介绍如何将基于TensorFlow 1.15或TensorFlow 2.6.5框架的Python训练脚本迁移到昇腾平台执行,并达到精度性能最优,关键内容如下:

  • 自动迁移:通过迁移工具迁移,迁移工具可将原生的TensorFlow训练脚本自动迁移成昇腾平台支持的脚本,对于少量无法自动迁移的API,可以参考工具输出的迁移报告,对训练脚本进行相应的适配修改。
  • 手工迁移:算法工程师需要参考文档人工分析TensorFlow训练脚本的API支持度,并进行相应API的修改,以支持在昇腾平台上执行,该种方式相对复杂。
  • 模型训练:迁移成功的脚本在昇腾平台上执行单Device训练或分布式训练。
  • 精度调优:当迁移后的模型在昇腾平台上功能调通,但遇到精度不达标或收敛效果差的场景下,可参考本章内容进行精度调优。
  • 性能调优:迁移后的模型在昇腾平台上功能调通,但遇到性能不达标的问题,可参考本节内容进行性能调优。

TensorFlow Parser Scope融合规则开发

指导开发人员如何开发TensorFlow框架的Scope融合规则,把Scope内的多个小算子替换为一个大算子或多个算子组合,以提升TensorFlow计算图在昇腾AI处理器上的执行效率。

本文档适用于模型开发人员,通过本文档您可以达成:

  • 了解Scope融合的实现方案和实现方法。
  • 能够基于本文档中的样例,扩展进行其它Scope融合规则的开发。

TensorFlow Parser Scope融合规则开发指南

TensorFlow Parser Scope融合规则参考

Scope融合是一种基于Scope来进行融合的能力,把Scope内的多个小算子替换为一个大算子或多个算子组合,以实现效率的提升。

本文主要介绍内置的Scope融合规则。

TensorFlow Parser Scope融合规则参考

API参考

介绍TF Adapter以及TF Parser Scope融合规则开发提供的相关API说明。

搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词