安装框架插件包TF Adapter

昇腾提供了对接深度学习框架TensorFlow的适配插件TF Adapter，若开发者需要在NPU上执行TensorFlow网络的训练或在线推理，需要安装TensorFlow框架适配插件包TF Adapter。

若您是首次安装框架插件包，请参见安装插件包。
若您已经安装了框架插件包，需要升级安装新版本框架插件包，请参见升级插件包。

安装插件包

获取TF Adapter安装包。
1. 单击TF Adapter Gitcode仓，进入TF Adapter发布标签页面。
2. 选择配套CANN版本的标签，然后单击“查看发行版”，进入“发行版”页面。
  
  TF Adapter源码仓标签命名规则为：tfa_ $\{tag版本\}_$ {TF Adapter软件版本}，其中${TF Adapter软件版本}与配套的CANN软件版本号一致。
3. 在“发行版”页面中获取TF Adapter的whl安装包。
  
  针对TensorFlow 1.15框架，您需要获取“npu_bridge-1.15.0-py3-none-manylinux2014_<arch>.whl”软件包。
  
  <arch>表示操作系统架构，取值为x86_64与aarch64。
安装TF Adapter软件包。
1. 以软件包的安装用户登录安装环境，将获取到的框架插件包上传到安装环境任意路径（例如“/home/package“）。
2. 执行如下命令安装TF Adapter。
```
pip3 install "npu_bridge-1.15.0-py3-none-manylinux2014_<arch>.whl" --force-reinstall -t "${TFPLUGIN_INSTALL_PATH}"
```
  - “npu_bridge-1.15.0-py3-none-manylinux2014_<arch>.whl”请替换为安装包名称。
  - --force-reinstall：强制重新安装指定的软件包。
  - “-t”参数指定的 ${TFPLUGIN_INSTALL_PATH\}为TF Adapter软件包的安装路径，例如“$ HOME/Ascend/tfplugin”。
  pip常用命令参数如下，更多pip命令参数可执行“pip3 --help”查看。
  - --disable-pip-version-check：用于屏蔽pip版本检查，避免pip升级告警。
  - --upgrade：用于升级指定的软件包。
  - --no-deps：忽略所安装软件包的依赖。
设置TF Adapter环境变量，让开发者后续可直接使用TF Adapter的Python库。
```
export PYTHONPATH=${TFPLUGIN_INSTALL_PATH}:$PYTHONPATH
```
其中${TFPLUGIN_INSTALL_PATH}为TF Adapter软件包的安装路径。

升级插件包

若您需要升级TF Adapter插件包，需要先卸载，再安装。

卸载TF Adapter软件包。
- 场景1：TF Adapter 8.0.0版本首次采用whl打包形式，若您环境中安装的是TF Adapter 8.0.0之前版本，请参见以下步骤卸载。
  1. 执行如下命令，进入卸载脚本所在路径。
```
cd /usr/local/Ascend/tfplugin/latest/script
```
    其中“/usr/local/Ascend”为8.0.0之前版本的TF Adapter插件包安装路径，请根据实际情况替换。
  2. 执行uninstall.sh脚本，卸载老版本TF Adapter软件包。
```
./uninstall.sh
```
- 场景2：若您安装的是TF Adapter 8.0.0及之后版本的whl包，请参见下文的卸载插件包卸载。
卸载成功后，参见安装插件包安装新版本TF Adapter whl包。

卸载插件包

安装完TF Adapter插件包后，若您需要卸载，可执行如下命令。

## 设置环境变量，指定TF Adapter软件python库所在路径
export PYTHONPATH=${TFPLUGIN_INSTALL_PATH}:$PYTHONPATH

# 卸载TensorFlow 1.15框架适配插件包
pip3 uninstall -y npu_bridge