PyTorch接口替换
用户需要替换原生PyTorch框架的接口，才能使用昇腾PyTorch框架。在进行网络迁移时，用户需要将部分接口转换成适配昇腾AI处理器后的接口。当前适配的部分接口请参见表1，更多接口请参见API列表。
PyTorch原始接口 |
适配昇腾AI处理器后的接口 |
说明 |
|---|---|---|
torch.cuda.is_available() |
torch_npu.npu.is_available() |
判断当前环境上设备是否可用（不代表最后结果）。 |
torch.cuda.current_device() |
torch_npu.npu.current_device() |
获取当前正在使用的device。 |
torch.cuda.device_count() |
torch_npu.npu.device_count() |
获取当前环境上的设备数量。 |
torch.cuda.set_device() |
torch_npu.npu.set_device() |
设置当前正在使用的device。 |
torch.tensor([1,2,3]).is_cuda |
torch.tensor([1,2,3]).is_npu |
判断某个tensor是否是CUDA/NPU设备上的格式。 |
torch.tensor([1,2,3]).cuda() |
torch.tensor([1,2,3]).npu() |
将某个tensor转换成CUDA/NPU格式。 |
torch.tensor([1,2,3]).to("cuda") |
torch.tensor([1,2,3]).to('npu') |
将某个tensor转换成CUDA/NPU格式。 |
torch.cuda.synchronize() |
torch_npu.npu.synchronize() |
同步等待事件完成。 |
torch.cuda.device |
torch_npu.npu.device |
生成一个device类，可以执行device相关操作。 |
torch.cuda.Stream(device) |
torch_npu.npu.Stream(device) |
生成一个stream对象。 |
torch.cuda.stream(Stream) |
torch_npu.npu.stream(Stream) |
多用于作用域限定。 |
torch.cuda.current_stream() |
torch_npu.npu.current_stream() |
获取当前stream。 |
torch.cuda.default_stream() |
torch_npu.npu.default_stream() |
获取默认stream。 |
device = torch.device("cuda:0") |
device = torch.device("npu:0") |
指定一个设备。 |
torch.autograd.profiler.profile (use_cuda=True) |
torch.autograd.profiler.profile (use_npu=True) |
指定执行profiler过程中使用CUDA/NPU。 |
torch.cuda.Event() |
torch_npu.npu.Event() |
返回某个设备上的事件。 |
用户在构建网络或进行网络迁移时，需要创建指定数据类型的tensor。在昇腾AI处理器上创建的部分tensor如下，更多接口请参见API列表。
GPU tensor |
适配昇腾AI处理器后的接口 |
|---|---|
torch.tensor([1,2,3],dtype=torch.long,device='cuda') |
torch.tensor([1,2,3],dtype=torch.long,device='npu') |
torch.tensor([1,2,3],dtype=torch.int,device='cuda') |
torch.tensor([1,2,3],dtype=torch.int,device='npu') |
torch.tensor([1,2,3],dtype=torch.half,device='cuda') |
torch.tensor([1,2,3],dtype=torch.half,device='npu') |
torch.tensor([1,2,3],dtype=torch.float,device='cuda') |
torch.tensor([1,2,3],dtype=torch.float,device='npu') |
torch.tensor([1,2,3],dtype=torch.bool,device='cuda') |
torch.tensor([1,2,3],dtype=torch.bool,device='npu') |
torch.cuda.BoolTensor([1,2,3]) |
torch.npu.BoolTensor([1,2,3]) |
torch.cuda.FloatTensor([1,2,3]) |
torch.npu.FloatTensor([1,2,3]) |
torch.cuda.IntTensor([1,2,3]) |
torch.npu.IntTensor([1,2,3]) |
torch.cuda.LongTensor([1,2,3]) |
torch.npu.LongTensor([1,2,3]) |
torch.cuda.HalfTensor([1,2,3]) |
torch.npu.HalfTensor([1,2,3]) |
