（推荐）自动迁移
简介
支持PyTorch 1.8.1、1.11.0、2.0.1、2.1.0版本。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
- 配置环境变量。
export PYTHONPATH={CANN包安装目录}/ascend-toolkit/latest/tools/ms_fmk_transplt/torch_npu_bridge:$PYTHONPATH - 在训练脚本中导入以下库代码。
import torch import torch_npu ..... import transfer_to_npu
- 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。
- 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。
- 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
- 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。
- 重新进行迁移训练。
- 参见《TBE&AI CPU算子开发指南》中进行算子适配。
父主题： 模型迁移
