文档首页 > > 用户指南> 模型转换>

模型转换

模型转换

分享
更新时间:2020/12/29 GMT+08:00

本章节以Caffe框架的resnet50网络模型为例进行讲解。

模型转换入口

  • 可以通过如下两种方式进入模型转换界面。
    • 在菜单栏选择Ascend > Model Converter
    • 在菜单栏选择View > Toolbar,菜单栏下方会出现一行工具栏,选择

    转换详情请参见转换步骤

  • 用户也可以通过如下方式使用atc命令行进行模型转换:
    1. 单击MindStudio界面下方的Terminal窗口。
    2. 参见参考手册中的“参数说明”章节了解相关参数作用然后参见“使用入门”章节,设置环境变量。
    3. 参见“使用入门”章节,执行atc命令进行模型转换。

转换前提

进行模型转换前,使用MindStudio安装用户,将所转换模型的模型文件以及权重文件上传到MindStudio安装服务器

转换步骤

  1. 打开模型转换页面,在“Model Information”页签中上传模型文件和权重文件,如图1所示。

    图1 配置模型信息

    参数解释如表1所示。

    表1 Model Information界面参数配置

    参数

    说明

    Model File

    模型文件。必填。

    有两种选择方式:

    • 单击右侧的文件夹图标,在后台服务器路径选择需要转化的模型对应的*.prototxt文件,并上传。
    • 在参数后面的输入框中自行输入*.prototxt文件在后台服务器的路径,包括*.prototxt文件。

    Weight File

    权重文件。当原始框架是Caffe时,该参数存在且必填:
    • 如果模型文件和权重文件存在于后台服务器同一目录下,且名称和模型文件名称相同,则选择模型文件后,权重文件会自动填充。
    • 如果模型文件和权重文件存在于后台服务器不同目录下,或者在同一目录下,但名称和模型文件名称不相同:
      • 用户手动上传权重文件,单击右侧的文件夹图标,在后台服务器路径选择模型文件对应的*.caffemodel权重文件,上传即可。
      • 在参数后面的输入框中自行输入*.caffemodel权重文件在后台服务器的路径,包括*.caffemodel权重文件。

    Model Name

    模型文件名称,必填。选择模型文件后,该参数会自动填充,用户可以根据需要自行修改名称,要求如下:

    只支持a-z、A-Z、0-9、下划线以及短划线的组合,最多支持64个字符。

    如果模型转换的输出路径已经存在相同名称模型文件,单击“Next”后会提示覆盖原有文件或重命名当前Model Name的信息,用户根据实际情况选择。

    Target SoC Version

    模型转换时指定芯片版本。

    • Ascend310:昇腾310 AI处理器
    • Ascend610:昇腾610 AI处理器
    • Ascend615:昇腾615 AI处理器
    • Ascend710:昇腾710 AI处理器
    • Ascend710Pro:昇腾710Pro AI处理器。
    • Ascend910:主频为1.1GHz的中算力训练芯片版本。
    • Ascend910Lite:主频为900MHz的中算力训练芯片版本。
    • Ascend910Pro:主频可以提升到1.22GHz的高算力训练芯片版本。
    • Hi3796CV300CS:海思SoC-cs芯片。
    • Hi3796CV300ES:海思SoC-es芯片。

    Input Format

    输入数据格式。

    • 当原始框架是Caffe时,取值为NCHW、ND(表示支持任意格式,N<=4),默认为NCHW。
    • 当原始框架是MindSpore、ONNX时,取值为NCHW。
    • 当原始框架是Tensorflow时,取值为NCHW、NHWC、ND、NCDHW、NDHWC,默认为NHWC。

    Input Nodes

    模型输入节点信息。

    • 如果选择模型文件并且解析成功,则该参数下方会展示模型输入节点的shape信息以及指定输入节点类型信息。
      如果模型有多个输入,解析成功后,Input Nodes参数下方会展示每一个输入节点的Shape和Type信息,其中:
      • Shape:模型输入的shape信息,例如图1中的数值分别代表输入数据的N(模型一次处理的图片个数),C(Channel,例如彩色RGB图像的Channel数为3),H(Height),W(Width)。若开启AIPP功能,则此处的H,W取值即为AIPP输出数据的高和宽。
      • Type:指定输入节点的数据类型:若原始框架类型为Caffe、MindSpore、ONNX,支持的数据类型为FP32、FP16、Uint8。若原始框架类型为TensorFlow,支持的输入数据类型为FP32、FP16、Uint8、Int32、Int64、Bool。

        只有Type取值为Uint8,2“Data Pre-Processing”页签(配置AIPP功能)才可以配置,其他类型不支持配置;如果模型有多个输入,只有Type取值为Uint8的节点,才可以配置“Data Pre-Processing”页签;如果Type取值为Uint8的节点无法获取Shape中的H,W信息,也无法配置“Data Pre-Processing”页签。

    • 如果选择模型文件后,无法解析“Input Nodes”,该场景下,需要用户根据模型文件中的相关信息手动输入:单击该参数右侧的,在弹出界面中输入模型输入节点的Name、Shape信息(只支持英文逗号,数字(-1或1~9))和输入节点的数据类型Type。单击删除节点信息。
      说明:

      若原始框架为MindSpore和ONNX,Input Nodes不会自动解析对应模型中的输入信息,需要用户自行查看相应的网络模型输入,手动填写。如果不填,后台使用atc命令进行转换时,ATC工具会自动解析网络模型中的相关参数。

    Output Nodes

    指定输出节点信息。

    单击“Select”在弹出的网络拓扑结构中,选中某层节点,右击选择Select,该层变成蓝色,单击“OK”后,在“Output Nodes”参数下面会看到标记层的算子,右击选择Deselect取消选中。

    • Op Name:标记层的算子名称。
    • Data Type:算子输出的数据类型,包括FP32、UINT8、FP16,通过该参数用户可以设置单个算子的输出数据类型。

    “Output Nodes”参数下方Select层的算子,默认为全部选中,用户可以自行选择将不需要输出的算子去勾选,只有选中的算子才会作为模型的输出。本章节以选中所有算子为例进行说明。

    某些情况下,用户想要查看某层算子参数是否合适,则需要将该层算子的参数输出,即可以通过单击“Select”按钮,在弹出网络拓扑结构中将所需层的算子标记为Select,然后在“Output Nodes”参数下方选中想要输出的算子,模型转换后,在相应.om模型文件可以看到该算子的输出直接作为模型的输出。详细信息请参见模型可视化

    说明:
    • 如果不标记某层算子或标记后Output Nodes节点下方不选中某个算子,则模型的输出默认为最后一层的算子信息。
    • 如果标记某层算子,并且标记后Output Nodes节点下方选中某个或多个算子,则模型输出为Output Nodes节点下方选中的算子。
    • 如果模型转换过程中该算子被融合掉,则该算子不能作为输出节点。
    • 如果用户选择的模型中包括不支持的算子,则单击“Select”后,MindStudio界面“Output”窗口会提示哪些算子不支持并提示shape信息无法获取等信息,在弹出的网络结构图中该算子呈现红色,该场景下无法获取算子的输出维度和shape信息。
    • 若原始框架为MindSpore和ONNX,该参数无法编辑,不支持指定输出节点信息。

    Load Configuration

    导入上次模型转换的配置文件。

    如果用户之前转换过模型,无论成功与否,在$HOME/modelzoo/${Model Name}/device/路径都会生成${Model Name}_config.json配置文件,该文件记录用户模型转换时所选择的配置信息,包括所用模型路径、模型名称、输入输出配置,数据预处理配置等,下次重新转换模型时,通过单击“Load Configuration”选择相应路径下的配置文件,则相应的配置信息会自动填充,用户自行决定是否沿用上次配置还是修改配置后重新进行模型转换。

    单击右侧的按钮,弹出生成模型网络结构图进度条,之后会弹出该模型的原始网络结构图,如图2所示。(MindSpore和ONNX框架的原始网络模型,不支持查看网络结构图。)

    图2 模型网络结构
    • 查看算子信息

      单击某层算子,该层算子会出现绿色选中框,右上角区域会展示该选中框所有的算子,单击可以展开所有算子信息,包括算子名称,算子类型以及算子的参数信息等,单击折叠所有的算子信息;用户也可以逐层单击相关算子左侧的展开按钮,查看参数的详细信息。展示的信息同*.prototxt文件中该层算子的信息。

    • 查看算子输出维度和shape信息

      图2所示界面展示了每一层算子输出的维度和shape信息,如每一层算子连接线中间的1,3,224,224、1,64,112,112等信息。将鼠标移至某个shape上面,在其上面会显示算子输出的维度信息,例如NCHW等维度。

      如果用户选择的模型中包括不支持的算子,则单击右侧的按钮,MindStudio界面“Output”窗口会提示哪些算子不支持并提示shape信息无法获取等信息,在弹出的网络结构图中该算子呈现红色,该场景下无法获取算子的输出维度和shape信息。该场景下的处理方法请参见异常处理

    • 搜索算子

      图2单击右侧“Op Search”,在界面右下方会弹出搜索区域,如图3所示。

      搜索区域中给出了该模型所用到的所有算子,您可以在搜索区域对话框中输入算子名称,下方搜索区域会列出相关的算子,选择其中一个算子,左侧网络拓扑结构中相应算子会显示绿色选中框,右上方会展示该选中框所包括的所有算子信息。

      图3 模型可视化界面的搜索功能
    • 搜索算子内部信息

      选中某层算子,单击右上方的展开按钮,右侧区域框会展示该层所包括所有算子的信息,然后单击或在右侧区域使用“Ctrl+F”快捷键,弹出图4所示搜索界面,其中:

      • Case sensitive:大小写敏感。
      • Wrap Search:循环搜索。
      • Backward:反向搜索。

      用户在输入框中输入想要查询的信息,比如算子的输入输出、属性等信息,然后在图4界面中勾选搜索特性,单击“Find”进行查找,如果匹配到相关信息,则右侧区域框中相关信息会高亮显示,否则会提示“Value not found”。单击“Close”退出搜索。

      图4 搜索算子内部信息

    单击“OK”退出编辑。

  2. 单击“Next”,进入“Data Pre-Processing”配置数据预处理页签,如图5所示。

    数据预处理是昇腾AI处理器提供的硬件图像预处理模块,包括色域转换,图像归一化(减均值/乘系数)和抠图(指定抠图起始点,抠出神经网络需要大小的图片)等功能。

    只有当“Model Information”页签,“Input Nodes”参数中,输入节点的“Type”有配置为“Uint8”类型,“Data Pre-Processing”页签才可以配置该节点的数据预处理功能。如果模型有多个输入,每个输入节点都可以获取shape信息中的宽和高,并且“Input Nodes”参数中每个输入节点的“Type”都配置为“Uint8”,则“Data Pre-Processing”页签可以配置多个节点的数据预处理功能。
    图5 配置数据预处理功能

    参数说明如表2所示。

    表2 节点配置参数

    参数

    说明

    Input Node: (data)

    节点配置开关,如果有多个节点,可以控制每个节点的开关情况。

    Input Image Format

    输入图片格式。包括如下选项:

    YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、YUV400、RGB package、BGR package、ARGB package、RGBA package、ABGR package、BGRA package。(模型转换完毕后,在对应的*.om模型文件中,上述输入格式参数分别以1、1、9、9、4、3、3、7、7、7、7枚举值呈现)

    1“Target SoC Version”选择Ascend310、Ascend610、Ascend615、Ascend710、Ascend710Pro,则支持的格式为:YUV420 sp、YVU420 sp、RGB package、BGR package、YUV400。

    1“Target SoC Version”选择Hi3796CV300CS、Hi3796CV300ES,则支持的格式为:YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、YUV400_U8、RGB package、BGR package、ARGB package、RGBA package、ABGR package、BGRA package。

    • 若取值为YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp,则右侧会出现输入数据类型选项:

      BT.601(Video Range)、BT.601(Full Range)、BT.709(Video Range)、BT.709(Full Range)

      不同的类型,对应不同的色域转换配置(色域转换,用于将输入的数据格式,转换为模型需要的格式,具体色域转换系数会在模型转换完成后生成在insert_op.cfg配置文件中)其中:

      • BT.601是标准清晰度视频的格式,定义于SDTV标准中。
      • BT.709是标准化高清晰度视频的格式,定义于HDTV标准中。

      两种标准又分为NARROW(Video Range)和WIDE(Full Range),其中:

      NARROW取值范围为:;WIDE取值范围为:,关于如何判断输入数据的标准,请参见使用AIPP色域转换模型时如何判断视频流的格式标准

    • 若取值为YUV400,不支持色域转换。
    • 若取值为RGB package、BGR package、ARGB package、RGBA package、ABGR package、BGRA package,则不会出现右侧的输入数据类型选项,根据输出(Model Image Format)参数的取值不同,模型转换完成后,数据预处理配置文件insert_op.cfg中如下参数的取值不同:
      • 若取值为BGR package,输出为RGB;或取值为RGB package,输出为BGR:
        #色域转换前,R通道与B通道交换开关/U通道与V通道交换开关
        rbuv_swap_switch : true
      • 若取值为BGR package,输出为BGR;或取值为RGB package,输出为RGB:
        #色域转换前,R通道与B通道交换开关/U通道与V通道交换开关
        rbuv_swap_switch : false
      • 若取值为ARGB package,输出为RGBA;或取值为ABGR package,输出为BGRA:
        #色域转换前,R通道与B通道交换开关/U通道与V通道交换开关
        rbuv_swap_switch : false     
        #色域转换前,RGBA->ARGB, YUVA->AYUV交换开关
        ax_swap_switch : true
      • 若取值为ARGB package,输出为BGRA;或取值为ABGR package,输出为RGBA:
        rbuv_swap_switch : true 
        ax_swap_switch : true
      • 若取值为RGBA package,输出为RGBA;或取值为BGRA package,输出为BGRA:
        rbuv_swap_switch : false 
        ax_swap_switch : false
      • 若取值为RGBA package,输出为BGRA;或取值为BGRA package,输出为RGBA:
        rbuv_swap_switch : true 
        ax_swap_switch : false

    Input Image Resolution

    原始图片大小。

    如果“Input Image Format”取值为“YUV420 sp”,要求原始图片的宽和高取值是偶数。

    Model Image Format

    模型处理图片格式。

    输入图片格式不同,模型处理图片格式不同,具体格式如下:

    • “Input Image Format”取值为YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、RGB package、BGR package,则“Model Image Format”取值为RGB、BGR。
    • “Input Image Format”取值为YUV400,则Model Image Format取值只能为GRAY。
    • “Input Image Format”取值为ARGB package、RGBA package、ABGR package、BGRA package,则“Model Image Format”取值为RGBA、BGRA。

    该参数同时也是色域转换开关,默认开启。当输入图片格式与模型处理文件格式不一致时需要开启。

    Crop

    抠图开关,若开启,则表示启用抠图功能。默认关闭。

    开启该参数后,下方会出现如下两个参数:

    • Cropping Start:抠图开始位置。
    • Cropping Area:抠图大小,不支持修改,默认抠图大小的宽和高来自图1“Input Nodes”参数中Shape参数取值的宽和高。

    针对没有resize和padding功能的AIPP预处理,抠图约束如下:

    • “Input Image Format”取值为YUV420 sp、YVU420 sp,则Cropping Area和Cropping Start的宽和高都必须为偶数。
    • “Input Image Format”取值为YUV422 sp、YVU422 sp,则Cropping Area和Cropping Start的必须为偶数。
    • “Input Image Format”取值为其他值,对Cropping Area和Cropping Start的宽和高没有约束。
    • 若开启抠图功能,则Input Image Resolution >= Cropping Area + Cropping Start。

    Normalization

    归一化开关。

    开启后,包括Mean、Min、Variance三个配置项,其中“Conversion Type”表示计算规则。

    Mean

    每个通道的均值。

    当开启“Normalization”参数时才呈现。

    • “Input Image Format”为YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、YUV400、RGB package、BGR package,则该参数显示为Mean: [R][G][B],每个通道的默认值为104、117、123。
    • “Input Image Format”为ARGB package、RGBA package、ABGR package、BGRA package,则该参数显示为Mean: [R][G][B][A],每个通道的默认值为104、117、123、0。

    Min

    每个通道的最小值。

    当开启“Normalization”参数时才呈现。

    • “Input Image Format”为YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、YUV400、RGB package、BGR package,则该参数显示为Min: [R][G][B],每个通道的默认值都为0。
    • “Input Image Format”为ARGB package、RGBA package、ABGR package、BGRA package,则该参数显示为Min: [R][G][B][A],每个通道的默认值都为0。

    Variance

    每个通道的方差。

    当开启“Normalization”参数时才呈现。

    • “Input Image Format”为YUV420 sp、YVU420 sp、YUV422 sp、YVU422 sp、YUV400、RGB package、BGR package,则该参数显示为Variance: [R][G][B],每个通道的默认值都为1.0。
    • “Input Image Format”为ARGB package、RGBA package、ABGR package、BGRA package,则该参数显示为Variance: [R][G][B][A],每个通道的默认值都为1.0。

    模型转换是否开启AIPP功能,执行推理业务时,对输入图片数据的要求:

    模型转换时开启AIPP,在进行推理业务时,输入图片数据要求为NHWC排布,该场景下最终与AIPP连接的输入节点的格式被强制改成NHWC,该场景下可能与1“Model Information”页签中“Input Format”参数指定的数据格式不一致。

  3. 单击“Next”,进入“Advanced Options Preview”高级选项配置页签。如下图所示。

    图6 高级选项配置

    参数解释如下:

    表3 Choose Model界面参数配置

    参数

    说明

    Operator Fusion

    是否关闭融合功能。
    • 打开表示关闭融合功能。
    • 关闭表示开启融合功能。参数默认关闭,即默认打开融合功能。

    如果使用模型小型化工具量化后的模型通过模型转换得到.om离线模型,然后进行精度比对,则需要打开该开关。打开后,模型转换完毕,在生成om模型的同级目录下,会生成fusion_switch.cfg配置文件,该文件记录哪些功能被关闭。

    Auto Tune Mode

    设置算子的自动调优模式。使用该功能时,请确保MindStudio和运行环境在同一台服务器。

    控制TBE算子编译时,是否对算子进行调优,以便在昇腾AI处理器上寻找最好的性能配置,包括如下几种模式:

    • Genetic Algorithm(GA):遗传算法,用于设置Cube算子的调优性能。
    • Reinforcement Learning(RL):强化学习,用于设置Vector算子的调优性能。
    • Genetic Algorithm and Reinforcement Learning:GA和RL调优功能同时开启。

    其中:

    • GA调优:
      • Ascend-cann-toolkit安装目录opp/data/tiling/${soc_version}/built-in/路径会生成内置知识库以及cost model。

        该路径负责存储常用shape调优后的知识库和cost model,如果网络模型中某个shape没有命中内置知识库,则会发起调优。

      • Ascend-cann-toolkit安装目录atc/data/tiling/${soc_version}/custom/路径用于存放调优过程中生成的知识库。如果该路径已经有知识库,则对该知识库进行追加;如果当前路径没有知识库,则新建知识库。

      进行模型转换时,只有设置Auto Tune Mode=GA或Auto Tune Mode="RL,GA",模型编译时才会默认读取自定义知识库中的调优策略,否则模型编译时直接使用Auto Schedule进行调优。

    • RL调优:
      • Ascend-cann-toolkit安装目录opp/data/rl/${soc_version}/built-in/路径会生成内置知识库,该路径负责存储常用shape调优后的知识库。
      • Ascend-cann-toolkit安装目录atc/data/rl/${soc_version}/custom/路径用于存放调优过程中调优性能优于built-in或built-in中没有的知识库。
    说明:
    • 如果custom路径已经有用户调优过的知识库,由于某种原因导致算子逻辑变更,例如GEMM算子新增支持的ND输入,该情况下需要在MindStudio安装服务器设置如下环境变量后,重新发起调优。
      export REPEAT_TUNE=True
    • 开启auto_tune时,由于上板评估需要申请内存,内存占用相比ATC工具要大,额外的内存占用大小与同时使用的device设备数有关,可近似估算为:2*device数量*输入数据大小。如果内存超过ATC运行内存大小,则会导致调优失败。
    • 使用auto_tune工具进行GA模式调优时,需要独占Device资源,不可以进行需要使用Device资源的其他操作,请将其他进程停止后,重新进行调优。如果Host有编译业务执行,则会影响调优时长。

    Additional Arguments

    扩展转换参数。模型转换界面不支持配置,但是ATC工具支持的参数,均可通过此选项进行扩展。最多支持输入2048个字符。

    在下方编辑框中输入ATC工具可用的参数,用户根据实际情况进行填写,多个参数使用空格分隔。详细参数请参见参考手册中的参数说明章节,例如:--log=info。

    如果界面已经有模型转换支持的参数,例如该页签中的设置算子的自动调优模式参数“Auto Tune Mode”,对应ATC工具中的“--auto_tune_mode”参数,则在“Additional Arguments”再次配置“--auto_tune_mode”为其他数值,例如配置为“--auto_tune_mode="GA,RL"”,则“Auto Tune Mode”参数指定的模式不生效。

    Command Preview

    模型转换使用的atc参数预览。不支持修改。

    在所有页签配置完相关参数后,该区域会给出界面参数转换成atc命令的结果预览,例如“Auto Tune Mode”参数配置为“Genetic Algorithm”,则

    “Command Preview”区域展示的atc命令为“--auto_tune_mode="GA"”

    如果“Additional Arguments”中再次配置界面已有的参数,例如配置为“--auto_tune_mode="GA,RL"”,则“Command Preview”区域会追加相应的参数,模型转换时,“Command Preview”区域后面的参数取值会覆盖前面已有的参数。

  4. 单击“Finish”,开始进行模型转换。

    在MindStudio界面下方,“Output”窗口会显示模型转换过程中的日志信息,如果提示“Model converted successfully”,则表示模型转换成功。“Output”窗口会显示模型转换所用的命令、所设置的环境变量、模型转换的结果、模型输出路径以及模型转换日志路径等信息。

  5. 模型转换完毕,在服务器后台路径“$HOME/modelzoo/resnet50/device”下会生成用于运行环境运行的.om模型文件,以及模型转换所用的配置信息文件${modelname}_config.json。

    • 如果开启数据预处理功能,在.om同级目录下,还会生成数据预处理的配置信息文件(insert_op.cfg)。
    • 如果勾选关闭融合功能,在.om同级目录下,还会生成融合开关配置文件(fusion_switch.cfg),用于记录哪些功能被关闭。

    模型转换的日志文件(ModelConvert.txt)所在路径为:“$HOME/modelzoo/resnet50”

    hisisoc@dggphicprd32833:~/modelzoo/resnet50/device$ ll
    total 150636
    drwxr-x--- 2 hisisoc hisisoc      4096 Mar 10 16:46 ./
    drwxr-x--- 3 hisisoc hisisoc      4096 Mar 10 16:45 ../
    -rw-r----- 1 hisisoc hisisoc        98 Mar 10 15:55 fusion_switch.cfg        --融合开关配置文件
    -rw-r----- 1 hisisoc hisisoc       453 Mar 10 16:45 insert_op.cfg             --数据预处理配置文件
    -rw-r----- 1 hisisoc hisisoc      2095 Mar 10 18:03 resnet50_config.json     --模型转换所用的配置信息文件,下次模型转换时,可以通过选择该文件沿用上次模型转换的配置数据
    -rw------- 1 hisisoc hisisoc  51581408 Mar 10 16:46 resnet50.om               --上板运行的模型文件         

异常处理

  • 问题描述

    如果用户选择的模型文件中包括昇腾AI处理器不支持的算子,则模型转换时会弹出图7所示整网支持度评估报告。

    图7 模型整网支持度报告

    其中左侧的“Summary”区域中:

    • All Operator:显示本次转换的模型所包括所有算子个数,包括不支持的算子个数。

      单击All Operator,在右侧的“Result Details”区域,会展示模型所有的算子详细信息,包括算子类型,算子名称,是否解析成功的结果;如果算子解析失败,在“Description”处还会展示解析失败的原因。

    • UnSupported Operator:本次转换的模型不支持的算子个数。下方会列出不支持算子的原因,以及每种原因下不支持的算子个数。

      单击UnSupported Operator,右侧会筛选出所有不支持的算子。

  • 解决方法
    1. 图7所示整网支持度评估报告界面中,选中右侧“Result Details”区域“Result”“failed”的算子,则该算子整行被选中。单击最右侧“Operation”下面的解决方法,例如“Creator Operator”,创建自定义算子工程。

      如果当前已经打开了算子工程,则会弹出图8提示框,可以选择在当前算子工程添加算子或新建算子工程;如果当前不存在算子工程,则会直接弹出新建算子工程界面。

      关于创建自定义算子工程的详细操作请参见工程创建
      图8 创建算子工程时提示信息
    2. 根据引导完成自定义算子工程的创建。

      New Project > Ascend Operator中的“Operator Type”自定义算子的类型,会根据模型支持度评估界面选中的算子类型自动填充。创建完成后,新建工程的默认存储路径为“$HOME/AscendProjects”

      算子工程目录结构以及主要文件如下:
      ├── .idea
      ├── build                                  //编译生成的中间文件
      ├── cmake                                  //编译相关公共文件存放目录
      ├── framework                              //算子插件实现文件目录
      │   ├── tf_plugin                         //存放tensorflow框架的算子插件文件及编译规则文件
      │   │   ├── tensorflow_add_plugin.cpp 
      ......
      ......
    3. 进行自定义算子的开发,详细信息请参见自定义算子开发

      自定义算子开发完成后,重新进行模型转换。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!非常感谢您的反馈,我们会继续努力做到更好!
反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问