（推荐）自动迁移

简介

仅PyTorch 1.11.0版本及以上使用，自动迁移方式较简单，且修改内容最少，只需在训练脚本中导入库代码。

当前自动迁移暂不支持channel_last特性，建议用户使用contiguous代替。
若原脚本中使用的backend为nccl，在init_process_group初始化进程组后，backend已被自动迁移工具替换为hccl。如果后续代码逻辑包含backend是否为nccl的判断，例如assert backend in ['gloo', 'nccl']、if backend == 'nccl'，请手动将字符串nccl改写为hccl。
由于自动迁移工具使用了Python的动态特性，但torch.jit.script不支持Python的动态语法，因此用户原训练脚本中包含torch.jit.script时使用自动迁移功能会产生冲突，目前自动迁移时会屏蔽torch.jit.script功能，若用户脚本中必须使用torch.jit.script功能，请使用工具迁移进行迁移。

使用方法

在训练脚本中导入以下库代码。
```
import torch
import torch_npu
.....
from torch_npu.contrib import transfer_to_npu
```
- 仅PyTorch框架下需要导入from torch_npu.contrib import transfer_to_npu代码；
- 自动迁移工具与已适配的表1可能存在功能冲突，若发生冲突，请使用工具迁移进行迁移。
参考模型训练执行训练。查看训练后是否生成权重文件，生成了如下图文件则说明迁移训练成功。

若训练过程中提示部分cuda接口报错，可能是部分API（算子API或框架API）不支持引起，用户可参考以下方案进行解决。
- 参见PyTorch Analyse迁移分析工具对脚本进行分析，获得支持情况存疑的API列表，进入昇腾开源社区提出ISSUE求助。
- 参见以下步骤，将部分不支持的算子API移动至CPU运行。
  1. 参见《CANN 软件安装指南》中“安装PyTorch > 编译安装PyTorch ”章节获取Ascend PyTorch源码包。
  2. 进入获取后的源码包目录，修改“npu_native_functions.yaml”。
```
cd pytorch/torch_npu/csrc/aten
vi npu_native_functions.yaml
```
    在“tocpu”配置下添加算子API名称。
```
tocpu:
  - angle
  - mode
  - nanmedian.dim_values
  - nansum
  - native_dropout
  - native_dropout_backward
  - poisson
  - vdot
  - view_as_complex
  - view_as_real
```
  3. 参见《CANN 软件安装指南》中“安装PyTorch > 编译安装PyTorch ”章节重新编译框架插件包并安装。
  4. 重新进行迁移训练。
- 参见《TBE&AI CPU算子开发指南》中“算子开发过程>算子适配>适配插件开发（PyTorch框架）”进行算子适配。

父主题： 模型迁移