欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享
大家好，我是极智视界，本文介绍一下 昇腾 CANN ATC 模型转换。
昇腾 CANN 的全称是 Compute Architecture for Neural Networks，是昇腾针对 AI 场景推出的异构计算架构，通过提供多层次的编程接口，支持用户快速构建基于昇腾平台的AI应用和业务。用过昇腾的同学应该都清楚，需要把咱们的原始模型 (可能是 pytorch 的，可能是 tf 的，可能是 caffe 的，也可能是 darknet 的) 转换成 .om 模型，然后才能调用 AclLiteModel::ExecuteEx() 进行模型的推理。这个 模型转换的过程 就要用到 CANN 的 ATC 工具。目前 ATC 工具直接支持从 caffe、onnx、tf pb 以及 mindspore 模型的转换，所以如果你的训练框架是 pytorch，则需要做 torch.onnx.export 的操作；如果你的训练框架是 darknet，则需要做 darknet -> caffe 或 darknet -> onnx 的转换，之后才能用到 ATC。以上说的是整网模型，当然 ATC 还支持用 Ascend IR 定义的单算子的 om 转换。因此就形成了如下的 ATC 功能架构图：