旧版训练迁移至新版训练需要注意哪些问题？

新旧版创建训练作业方式差异

• 旧版训练支持使用“算法管理”（包含已保存的算法和订阅的算法）、“常用框架”、“自定义”（即自定义镜像）方式创建训练作业。
• 新版训练支持使用“自定义算法”、“我的算法”、“我的订阅”方式来创建训练作业。

新版训练的创建方式有了更明确的类别划分，选择方式和旧版训练存在区别。

• 旧版中使用“算法管理”中已保存的算法创建训练作业的用户，可以在新版训练中使用“我的算法”创建训练作业。
• 旧版中使用“算法管理”中订阅的算法创建训练作业的用户，可以在新版训练中使用“我的订阅”创建训练作业。
• 旧版中使用“常用框架”创建训练作业的用户，可以在新版训练中使用“自定义算法”创建训练作业（启动方式选择“预置框架”）。
• 旧版中使用“自定义”（即自定义镜像）创建训练作业的用户，可以在新版训练中使用“自定义算法”创建训练作业（启动方式选择“自定义”）。

新旧版训练代码适配的差异

旧版训练中，用户需要在输入输出数据上做如下配置：

#解析命令行参数
import argparse
parser = argparse.ArgumentParser(description='MindSpore Lenet Example')
parser.add_argument('--data_url', type=str, default="./Data",
                    help='path where the dataset is saved')
parser.add_argument('--train_url', type=str, default="./Model", help='if is test, must provide\
                    path where the trained ckpt file')
args = parser.parse_args()
...
#下载数据参数至容器本地，在代码中使用local_data_path代表训练输入位置
mox.file.copy_parallel(args.data_url, local_data_path)
...
#上传容器本地数据至obs路径
mox.file.copy_parallel(local_output_path, args.train_url)

新旧版训练预置引擎差异

• 新版的预置训练引擎默认安装Moxing2.0.0及以上版本。
• 新版的预置训练引擎统一使用了Python3.7及以上版本。
• 新版镜像修改了默认的HOME目录，由“/home/work”变为“/home/ma-user”，请注意识别训练代码中是否有“/home/work”的硬编码。
• 提供预置引擎类型有差异。新版的预置引擎在常用的训练引擎上进行了升级。
  如果您需要使用旧版训练引擎，单击显示旧版引擎即可选择旧版引擎。新旧版支持的预置引擎差异请参考表1。详细的训练引擎版本说明请参考新版训练和旧版训练分别支持的AI引擎。

  表1 新旧版预置引擎差异

  工作环境	预置训练I引擎与版本	旧版训练	新版训练
  TensorFlow	Tensorflow-1.8.0	√	x
  	Tensorflow-1.13.1	√	后续版本支持
  	Tensorflow-2.1.0	√	√
  MXNet	MXNet-1.2.1	√	x
  Caffe	Caffe-1.0.0	√	x
  Spark_MLlib	Spark-2.3.2	√	x
  Ray	RAY-0.7.4	√	x
  XGBoost-Sklearn	XGBoost-0.80-Sklearn-0.18.1	√	x
  PyTorch	PyTorch-1.0.0	√	x
  	PyTorch-1.3.0	√	x
  	PyTorch-1.4.0	√	x
  	PyTorch-1.8.0	x	√
  Ascend-Powered-Engine	Mindspore-1.3.0	√	x
  	Mindspore-1.7.0	x	√
  	Tensorflow-1.15	√	√
  MPI	MindSpore-1.3.0	x	√
  Horovod	horovod_0.20.0-tensorflow_2.1.0	x	√
  	horovod_0.22.1-pytorch_1.8.0	x	√
  MindSpore-GPU	MindSpore-1.1.0	√	x
  	MindSpore-1.2.0	√	x