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

1.AI模型开发基础知识入门

1.1具备Python编程经验

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

1.2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，需要构筑一个由简单概念组成的多层连接网络来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、语音、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显进展
关于深度学习的基本原理、基本概念等介绍，请参见 B站深度学习视频课

1.3了解TensorFlow框架

教程

1.4了解基于CANN的模型开发流程

在这里插入图片描述
异腾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CPU/GPU/TPU上，为了使其能够利用异腾910AI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，以下是基于CANN的模型开发流程：教程

2.TensorFlow AI模型迁移详解

2.1 两种迁移方式

将TensorFlow网络模型迁移到异腾AI处理器执行训练，主要有两种方式:

1.一种是自动迁移方式。通过迁移工具对原始脚本进行AST语法树扫描，可自动分析原生的TensorFlow API在异腾AI处理器上的支持度，并将原始的TensorFlow训练脚本自动迁移成异腾AI处理器支持的脚本，对于无法自动迁移的API，可以参考工具输出的迁移报告，对训练脚本进行相应的适配修改。
2.一种是手工迁移方式。算法工程师需要人工分析TensorFlow训练脚本中的API支持度情况，并且参照文档逐一手工修改不支持的API，以便在异腾AI处理器上训练，该种方式较为复杂，我们建议大家优先使用自动迁移方式。