概述
通常情况下，Atlas 200I A2 加速模块（RC）、Atlas 500 A2 智能小站和Atlas 200I SoC A1核心板不安装Ascend-cann-toolkit包，但如果需要使用AOE远程调优功能时，则必须安装Ascend-cann-toolkit包，需保证至少有10G的硬盘空间来安装Ascend-cann-toolkit包。
AOE
AOE（Ascend Optimization Engine）是一款自动调优工具，作用是充分利用有限的硬件资源，以满足算子和整网的性能要求。
AOE通过生成调优策略、编译、在运行环境上验证的闭环反馈机制，不断迭代出更优的调优策略，最终得到最佳的调优策略。从而可以更充分利用硬件资源，不断提升网络的性能，达到最优的效果。
图1 AOE构架
- Application层：调优入口，支持AOE进程入口。
- Tuning层：调优模式，支持以下类型：
- 子图调优：通过SGAT（SubGraph Auto Tuning），对子图切分策略进行调优，通过在运行环境上验证获得真实性能，最终将最优的调优策略固化至模型知识库，并获取优化后的模型。
- 算子调优：通过OPAT（Operator Auto Tuning），对算子进行调优，通过在运行环境上验证获取真实性能，最终将优选算子调优策略固化到算子知识库。
- Execute层：为执行层，支持编译（Compiler）和在运行环境上运行（Runner）。
推荐先进行子图调优，再进行算子调优。原因是：先进行子图调优会生成图的切分方式，子图调优后算子已经被切分成最终的shape了，再进行算子调优，会基于这个最终shape去做算子调优。如果优先算子调优，这时调优的算子shape不是最终切分后的算子shape，不符合实际使用场景。
SGAT简介
SGAT是一种提升子图性能的优化器。一张完整的网络，会被拆分成多个子图。针对每一个子图，通过SGAT生成不同的调优策略。SGAT的调优算法通过获取每个迭代的调优策略性能数据，找到最优的调优策略。从而实现对应子图的最优性能。调优的结果会通过图知识库的形式进行保存。
整个SGAT调优过程，支持断点恢复模式，能够在调优异常时，恢复断点继续进行调优。
子图调优的流程如图2所示。
父主题： AOE简介
