在出现的信息配置框输入相关配置信息 ， 如下图所示：
文章插图
输入服务器的SSH信息，如果测试连接失败，建议使用CMD或XShell等工具进行排查 。
选择远程 CANN 安装位置 ， 如下图所示：
文章插图
在Remote CANN location中选择CANN的路径，需要注意的是必须选择到CANN的版本号目录 ， 这里选择的是5.1.RC2版本，如下图所示：
文章插图
点击确定后，需要等待MindStudio进行文件同步操作 ， 这个过程会持续数分钟，期间如果遇到Sync remote CANN files error.错误，考虑是否无服务器root权限 。
文章插图
配置完成CANN点击下一步
文章插图
在训练工程选择界面，选择“TensorFlow Project” ， 单击“Finish” 。
文章插图
进入工程界面，单击工具栏中
文章插图
按钮（ TensorFlow GPU2Ascend工具） 。
文章插图
进入“TensorFlow GPU2Ascend”参数配置页，配置command file
文章插图
- Command File：tfplugin插件包中的工具脚本文件 。
- Input Path：待转换脚本文件的路径 。
- Output Path：脚本转换后的输出路径 。
文章插图
同样的 ， 选择下载的代码路径作为input path，并选择输出路径，如下图所示：
文章插图
点击Transplant进行转换，如下图所示：
文章插图
出现“Transplant success!”的回显信息，即转换成功 。如下图所示：
文章插图
4.2 生成dump数据和计算图文件步骤一 dump前准备 。
编辑resnet_run_loop.py文件，修改如下（以下行数仅为示例，请以实际为准）：
注释掉第83、85行
文章插图
把max_steps设置为1 。
文章插图
注释掉第575~582行
文章插图
注释掉第595行，修改为“return None” 。
文章插图
编辑cifar10_main.py文件，将train_epochs的值改为1 。
文章插图
步骤二 dump参数配置 。
为了让训练脚本能够dump出计算图，我们在训练脚本中的包引用区域引入os，并在构建模型前设置DUMP_GE_GRAPH参数 。配置完成后，在训练过程中，计算图文件会保存在训练脚本所在目录中 。
编辑cifar10_main.py，添加如下方框中的信息 。
文章插图
修改训练脚本（resnet_run_loop.py），开启dump功能 。在相应代码中，增加如下方框中的信息 。
文章插图
步骤三 环境配置 。
单击MindStudio菜单栏“Run > Edit Configurations...” 。
文章插图
进入运行配置界面，选择迁移后的训练脚本 。
文章插图
文章插图
配置环境变量，打开下图所示界面 ， 配置训练进程启动依赖的环境变量，参数设置完成后，单击“OK” ， 环境变量配置说明请参见下表 。
推荐阅读
- JVM学习笔记——内存模型篇
- LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型实战
- 京东云开发者｜软件架构可视化及C4模型：架构设计不仅仅是UML
- predator-prey model OpenFOAM 编程 | 求解捕食者与被捕食者模型问题（ODEs）
- 概念+协议的了解+OSI七层模型，TCP/IP五层协议，网络数据传输流程 Linux--网络基础
- 三 Linux--多线程
- Hugging Face发布diffuser模型AI绘画库初尝鲜！
- 推广TrustAI可信分析：通过提升数据质量来增强在ERNIE模型下性能
- 洛克王国水晶犬的训练怎么个玩法
- Pytorch模型量化