## 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](Debugging.md)。

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](User_Guide_Import.md)（必选）
- [适配微分接口](User_Guide_Grad.md)（训练场景）
- [适配优化器和学习率接口](User_Guide_Optim.md)（训练场景）
- [适配混合精度接口](User_Guide_Mixed.md)（训练场景）
- [适配分布式接口](User_Guide_Dist.md)（可选）
- [模型加载和保存](User_Guide_Load.md)（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](SupportedList.md)），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](User_Guide_Adapter.md)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](https://openi.pcl.ac.cn/OpenI/MindTorch/issues)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](User_Guide_Advanced.md)。

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](https://www.mindspore.cn/docs/zh-CN/master/migration_guide/typical_api_comparision.html#%E4%B8%8Epytorch%E6%89%A7%E8%A1%8C%E6%B5%81%E7%A8%8B%E5%8C%BA%E5%88%AB)。


更多迁移用例请参考[MSAdaterModelZoo](https://openi.pcl.ac.cn/OpenI/MSAdapterModelZoo)。