通过阅读该篇文章，您能够学习到以下内容：

1. 模型转换流程：使用ATC工具，转换为适用于昇腾AI处理器的离线模型。
2. 定制化模型生成：定制化模型生成。
3. 实用示例：通过具体的示例和操作步骤，使用ATC进行模型转换。

什么是ATC

ATC是昇腾AI处理器的模型转换工具，将训练好的模型转换成能在昇腾硬件上运行的格式。

为什么要使用ATC工具转换模型格式

昇腾芯片（如Ascend 910/310/800）采用异构计算架构，与通用CPU/GPU设计不同，需通过ATC实现：

• 硬件适配：将通用框架模型转为昇腾专用指令集。
• 性能优化：通过算子融合、内存复用等技术提升推理效率。
• 跨框架兼容：统一不同框架模型至昇腾运行环境。
• 离线部署：生成脱离训练框架的独立模型，降低部署依赖。

华为昇腾ATC是连接AI算法与昇腾硬件的“桥梁”，ATC帮助AI模型在华为硬件上“跑得更快、运行更顺畅”。

什么时候使用

ATC主要在模型部署阶段使用，典型场景包括：

• 将训练好的模型部署到昇腾芯片（如Atlas系列硬件）。
• 需优化模型推理性能（如时延、吞吐量）。
• 跨框架迁移（如PyTorch模型转昇腾运行）。
• 边缘端部署（如Ascend 310芯片的端侧设备）。

安装步骤

使用ATC工具基本流程

1. 准备模型：导出为ONNX、TensorFlow冻结图（.pb）等格式。
2. 编写转换配置：定义输入/输出节点、数据类型、Shape等（通过.cfg文件）。
3. 执行ATC命令：调用命令行工具完成转换。

   atc --model=model.onnx --framework=5 --output=model_optimized --soc_version=Ascend310
   

4. 验证模型：使用昇腾推理工具（如Ascend CL）验证.om文件。

关键参数

• --model：输入模型路径。
• --framework：原框架类型（如5=ONNX）。
• --soc_version：目标昇腾芯片型号（如Ascend310）。
• --input_shape：指定动态Shape（若模型支持动态输入）。

参考文章

• ATC快速入门
• ATC参数概述