使用CANN Kit工具时，可以预先使用CANN包中的ATC工具将Caffe、TensorFlow、ONNX、MindSpore模型转换为OM离线模型，移动端AI程序直接读取离线模型进行推理。ATC工具包含在CANN工具包中（安装方式请参见CANN工具包安装流程），可运行在64位Linux平台上。
Caffe模型转换
当前支持Caffe 1.0版本。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.prototxt --weight=yyy.caffemodel --framework=0 --output=./modelname
转换示例：
atc --model=deploy.prototxt --weight=squeezenet_v1.1.caffemodel --framework=0 --output=./squeezenet
当看到“generate offline model success”时，则说明转换成功，会在当前目录下生成squeezenet.om。
TensorFlow模型转换
当前支持TensorFlow 2.x版本。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.pb --framework=3 --output=./modelname --input_shape="xxx:n,h,w,c" --out_nodes="node_name1:0"
转换示例：
atc --model=mobilenet_v2_1.0_224_frozen.pb --framework=3 --output=./mobilenet_v2 --input_shape="input:1,224,224,3" --out_nodes="MobilenetV2/Predictions/Reshape_1:0"
当看到“generate offline model success”时，则说明转换成功，会在当前目录下生成mobilenet_v2.om。
ONNX模型转换
当前支持ONNX opset版本7~18（最高支持到V1.13.1）。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.onnx --framework=5 --output=./modelname
转换示例：
atc --model=resnet18.onnx --framework=5 --output=./resnet18
当看到“generate offline model success”时，则说明转换成功，会在当前目录下生成resnet18.om。
量化模型转换（以Caffe模型为例）
目前大部分模型在NPU上都是使用16bit float类型进行计算的，使用量化既可以减少模型的体积，也可以加快模型推理速度。
量化模型转换依赖轻量化工具，利用轻量化工具生成模型及轻量化配置，通过"compress_conf"参数传递给ATC并生成量化模型，更多说明请参见模型轻量化。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.prototxt --weight=xxx.caffemodel --framework=0 --output=./modelname --compress_conf=param
转换示例：
atc --model=deploy.prototxt --weight=squeezenet_v1.1.caffemodel --framework=0 --output=./squeezenet --compress_conf=param
当看到“generate offline model success”时，说明模型量化成功，会在当前目录下生成量化模型squeezenet.om。
推理前可变Shape模型转换（以ONNX模型为例）
如果一个模型需要支持一次加载，然后不同次的推理会遇到不同的batch，或者不同的分辨率，那么可以使用推理前可变Shape的模型转换。
在模型转换时，将推理过程可能遇到的所有Shape种类预先通过dynamic_dims和input_shape指定出来，生成一个标准IR模型，其携带多种shape输入。
命令行中的参数说明请参见ATC参数。
转换示例：
atc --model=./1batch.onnx --input_shape="inputName:-1,3,128,128" --dynamic_dims="1;2;5" --framework=5 --output=./FlexibleShapeModelName
不同shape输入对应的不同输出shape，可在模型转换日志中，通过 "Graph:" 关键字查找对应的shape信息，方便在模型推理时指定对应的输出描述。
AIPP模型转换（以Caffe模型为例）
如果模型推理需要对图像或其他输入数据进行变换（如图像尺寸变换、色域转换、减均值/乘系数等），可使用AIPP模型转换功能。转换后的模型增加算子替换此类操作，可提升效率。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.prototxt --weight=xxx.caffemodel --framework=0 --insert_op_conf=aipp_conf_static.cfg --output=./modelname
转换示例：
atc --model=deploy.prototxt --weight=squeezenet_v1.1.caffemodel --framework=0 --insert_op_conf=aipp_conf_static.cfg --output=./squeezenet
当出现“generate offline model success”时，说明AIPP模型转换成功，会在当前目录下生成AIPP squeezenet.om模型。
OMC模型转换（以ONNX模型为例）
OMC模型：硬件强相关Davinci模型，仅可在--soc_version指定的平台部署。
适用场景：适用于编译耗时长，占用资源大的模型，可离线完成编译，免除在线编译耗时。
若想编译omc模型，需要先参考环境准备完成环境配置，再进行转换命令。
命令行中的参数说明请参见ATC参数，转换命令：
atc --model=xxx.onnx --soc_version=KirinXXXX --target=omc --framework=5 --output=./modelname
其中，soc_version选择对应的芯片平台，包括Kirin9030、Kirin9020、Kirin9050、KirinX90。
转换示例：
atc --model=resnet18.onnx --soc_version=Kirin9030 --target=omc --framework=5 --output=./resnet18
当看到“generate offline model success”时，则说明转换成功，会在当前目录下生成resnet18.omc，可在对应Kirin9030平台执行。