Ascend 910实现Tensorflow1.15实现LeNet网络的minist手写数字识别

一、环境及准备工作

CPU/GPU复现使用华为云ModelArts-CodeLab平台
Ascend复现使用华为云ModelArts-开发环境-Notebook
原始Lenet代码链接：https://gitee.com/lai-pengfei/LeNet

二、在CPU/GPU中运行原始代码

第一步：打开CodeLab

注：如果需要切换GPU资源，可以点

资源选择GPU资源，可以使用1小时，1小时候需要手动续时

点击页面中的Terminal进入终端界面：

终端界面：

第二步：进入到work目录并git clone 相关代码

git clone https://gitee.com/lai-pengfei/LeNet

可以看到左面有git下来的代码了

第三步：切换TensorFlow运行环境

source activate /home/ma-user/anaconda3/envs/TensorFlow-1.13.1/

这里是1.13的，但是问题不大，大差不差，也可以跑和1.15差不多

第四步：进入文件夹并执行原始代码

cd cd LeNet/python Train.py

运行中：

运行结果：

三、模型移植

环境使用华为云-开发环境Notebook

创建环境

镜像选择勾选的

规格等设置如下图：

环境及代码下载参考CPU/GPU

切换到Ascend下的TensorFlow 1.15运行环境

source activate /home/ma-user/anaconda3/envs/TensorFlow-1.15.0/

代码修改

根据文档修改原始代码中的Train.py
文档地址：https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/51RC2alpha007/moddevg/tfmigr/atlasmprtg_13_0011.html

添加引入包的代码：

from npu_bridge.npu_init import *

修改创建session并初始化资源相关代码
这一步主要在sess.run(tf.initialize_all_variables())前添加以下几行代码

config = tf.ConfigProto()custom_op = config.graph_options.rewrite_options.custom_optimizers.add()custom_op.name = "NpuOptimizer"config.graph_options.rewrite_options.remapping = RewriterConfig.OFF  # 必须显式关闭config.graph_options.rewrite_options.memory_optimization = RewriterConfig.OFF  # 必须显式关闭sess = tf.Session(config=config)

这个Demo还需要改一下第一行相关库代码
原始代码：

import tensorflow.examples.tutorials.mnist.input_data as input_data

修改为：

from tensorflow.examples.tutorials.mnist import input_data

运行代码

python Train.py

看到W tf_adapt差不多字样就说明调用到了NPU资源

运行过程：

可以开启另一个Terminal查看是否真的使用了Ascend，在新的Terminal中使用如下命令：

npu-smi info

运行结果：

总结

到这里整个简单的TensorFlow移植Ascend平台运行的代码修改就完成了，其实整个过程算是比较简单的，会者不难，不会可能会觉得很难。模型迁移的话主要难点在可能存在有些算子不支持以及精度性能优化部分。