使用tensorflow的C++接口使用npu设备的方法

场景说明

开发者将TensorFlow源码与业务代码同时编译使用的场景下，文档中提供的基于Python将TensorFlow脚本迁移到NPU执行训练的方法则不再适用。此处给用户提供了一种在TensorFlow源码层面适配使用NPU设备的方法（此方法仅供参考）。

操作步骤

在tf2.x的设备上，编译代码时，需要在链接动态库选项中增加一个到_tf_adapter.so和_npu_ops.so的链接，这个so是一个让TensorFlow能找到NPU设备的插件。
以gcc为例，“/usr/local/python3.7.5/lib/python3.7/site-packages/npu_device/compat/v1/_tf_adapter.so”和"/usr/local/python3.7.5/lib/python3.7/site-packages/npu_device/_npu_ops.so"为此so的存储路径，使用方法如下：

对Tensorflow的SessionOptions做适配，使其能将图下发到NPU上计算。

TensorFlow的SessionOptions变量可以通过以下代码获取:

tensorflow::SessionOptions sessOpts = tensorflow::SessionOptions();

修改SessionOptions，增加如下内容:

auto *custom_op =
sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->add_custom_optimizers();
custom_op->set_name("NpuOptimizer");
AttrValue value_bool;
value_bool.set_b(true);
custom_op->mutable_parameter_map()->insert({"use_off_line", value_bool});
AttrValue value_string;
value_string.set_s(std::string("force_fp16"));
custom_op->mutable_parameter_map()->insert({"precision_mode", value_string});
AttrValue value_int;
value_int.set_i(0);
custom_op->mutable_parameter_map()->insert({"graph_run_mode", value_int});
sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->set_remapping(RewriterConfig::OFF);
sessOpts.config.mutable_graph_options()->mutable_rewrite_options()->set_memory_optimization(RewriterConfig_MemOptType_MANUAL);

设置NPU基础环境变量，使其能找到NPU的相关so。
```
source /usr/local/Ascend/ascend-toolkit/latest/bin/setenv.bash
```
后续，就可以在NPU上执行业务了。

父主题： 常用操作