TF Adapter简介

TF2关键概念

TF Adapter涉及的TF2关键概念：

• Eager模式

  TF2默认执行方式，运算会返回具体的值，而非构建供稍后运行的计算图，更多介绍请参考链接。

• Eager context

  TF2 Eager模式下的运行上下文，全局唯一，context中持有线程变量成员，满足不同线程内执行上下文的差异化需求。

• tf.function

  TF2提供的python函数装饰器，用于将python函数中调用的TF2运算封装成graph执行，获取性能收益，更多介绍请参考链接。

• TF2自定义设备

  TF2提供C接口TFE_RegisterCustomDevice提供注册自定义设备的能力，TF Adapter调用该接口将昇腾AI处理器注册成为TF的自定义设备，自定义设备与内置的CPU与GPU地位相当。TF2源码信息请参考链接。

TF Adapter对接原理

TF Adapter将昇腾AI处理器注册成为TF2自定义设备，并且设置为默认设备，注册成为默认设备后，所有用户指定到昇腾AI处理器或未指定执行设备的运算操作，都将被TF2框架分发到昇腾AI处理器执行，昇腾AI处理器的算子执行接口内部实现时调用CANN的算子/图执行能力，完成昇腾AI处理器上的算子执行。

TF Adapter对接时序图：

下图以一次典型的训练流程为例：包括设备初始化，模型（变量）初始化，执行训练，保存Checkpoint几个阶段。

时序图中涉及的概念说明：

• CANN

  昇腾AI处理器用户编程接口体系，详情请参考链接。

• TF2 Runtime

  这里指原生Tensorflow的运行时接口。

• Iterator

  Tensorflow数据输入Pipeline的迭代器，通过Iterator访问数据集，是Tensorflow的推荐方式也是昇腾AI处理器上性能亲和的方式，详情请参考链接。

• HDC通道

  Tensorflow进程到昇腾AI处理器硬件内存的数据传输通道，TF Adapter2.x在Tensorflow进程中通过HDC通道，异步地为昇腾AI处理器上的训练任务供给训练数据。

方案优势

TF Adapter当前对接方案优势：

• NPU成为TF2的自定义设备，从用户视角看来，NPU与GPU/CPU的存在形式一致，且能保持对TF2框架后续演进的兼容性。
• 算子级适配，兼容TF2框架原始特性。特别是函数算子，可充分发挥CANN的图处理优势，加速执行。
• 插件式无侵入对接CANN，无需重新编译部署TF2，快速完成在不同平台上的TF Adapter安装。