序言
MindTorch是一款将PyTorch训练脚本高效迁移至MindSpore框架执行的实用工具，旨在不改变原生PyTorch用户的编程使用习惯下，使得PyTorch风格代码能在昇腾硬件上获得高效性能。用户只需要在PyTorch源代码主入口调用torch系列相关的包导入部分（如torch、torchvision等）之前调用from mindtorch.tools import mstorch_enable，加上少量训练代码适配即可实现模型在昇腾硬件上的训练。
本教程旨在协助用户快速完成PyTorch脚本迁移工作，精度调优和性能调优可参考MindTorch调试调优指南。
将现有PyTorch原生代码利用MindTorch移植至MindSpore时，当前通常需要如下几个步骤：
使用MindTorch（必选）
适配微分接口（训练场景）
适配优化器和学习率接口（训练场景）
适配混合精度接口（训练场景）
适配分布式接口（可选）
模型加载和保存（可选）
当前存在部分接口暂时无法完全对标PyTorch（参考接口支持列表），针对这类接口我们正在积极优化中，可以参考手动适配指南进行适配处理。如果在使用过程中遇到问题或无法对标的内容欢迎通过ISSUE和我们反馈交流。
如果您想要运用静态图模式加速、自动并行训练等更高阶的训练方法进行加速训练可以参考进阶训练指南。
如果您想了解更多当前流程与PyTorch原生流程的区别可参考与PyTorch执行流程区别。
更多迁移用例请参考MSAdaterModelZoo。