【2023 · CANN训练营第一季】晟腾AI入门课（TensorFlow） 第二章 TensorFlow模型迁移&训练（上）

本章学习目标

• 了解异构计算架构CANN在神经网络训练中发挥的主要作用。
• 掌握如何基于CANN将TensorFlow模型迁移到晟腾AI处理器上。
• 掌握如何在晟腾AI处理器上进行模型训练，感受晟腾AI的极致性能。
• 掌握如何查看训练日志和训练结果，具备基本的问题定界、定位能力。

AI模型开发基础知识入门

具备Python编程经验

示例代码、联系涉及Python语言的如下基础知识，建议在学习前先学习这部分的内容：

• 使用位置和关键字参数定义和调用函数
• 字典、列表、集合（创建、访问、和迭代）
• for循环，for具有多个迭代器遍历的循环（例如，for a，b in [(1,2),(3,4)]）
• if/else条件块和条件表达式
• 字符串格式（例如，‘%.2f’ % 3.14)
• 变量、赋值、基本数据类型（int、float、bool、str等）

了解深度学习和神经网络

为了让计算机掌握人类理解的知识，需要构建一个由简单概念组成的多层链接网络来点定义复杂对象，计算机通过对这个网络的迭代计算与训练后，可以掌握这个对象的特征，一般称这种方法为深度学习（Deeplearning，DL）。
互联网的发展产生了庞大的数据量，为深度学习的发展提供了更大的机会，也让人工智能成为当今的热点，而深度神经网络成了热点中的热点。深度学习经过一系列的发展之后，展现出巨大的应用价值，不断受到工业界、学术界的密切关注。深度学习在图像、语言、自然语言处理、大数据特征提取和广告点击率预估方面取得明细进展。
关于深度学习的基本原理、基本概念等介绍，可以点击

了解TensorFlow AI框架

本课程用于将基于TensorFlow的PythonAPI开发的训练脚本，将模型迁移到晟腾AI处理器Soc上执行训练，因此需要了解TensorFlow框架。具体可以参考

了解基于CANN的模型开发流程

晟腾910 AI处理器是华为在2019年发布的人工智能（AI）专用的神经网络处理器。当前业界大多数训练脚本基于TensorFlow的Python API开发，默认运行在CPI/GPU/TPU上，为了使其能够利用晟腾910 AI 处理器的澎湃算力执行训练，提升训练性能，我们需要基于CANN对TensorFlow模型进行适配和训练，以下是就与CANN的模型开发流程：LINK

了解遇到问题如何求助

模型调试和调优过程中，不知道该怎么解决，或者有优化建议需要反馈，可以借助以下渠道：

• 在华为方集中组织培训的场景下，可求助培训或对应课程的接口人。
• 开发者自学的场景下：
  • 可在ModelZoo仓上提Issue，该仓的接口人会定期处理问题。
  • 可在晟腾社区论坛中查阅经验帖、或者发帖，论坛的接口人会定期处理问题。

TensorFlow模型迁移详解

为什么要做模型迁移

目前人工智能领域内，AI算法模型搭建方面的技艺已经是炉火纯青，市面上用于AI模型搭建的深度学习框架，处理华为开源的昇思MindSpore，还有Google的TensorFlow、Facebook的Pytorch、Caffe等。
除了昇思MindSpore外，TensorFlow等其他深度学习框架下的模型并不能直接在晟腾910 AI处理器上训练，为了使其充分利用晟腾910 AI处理器的澎湃算力来提升训练性