环境变量
本文介绍MindSpore的环境变量。
算子编译
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
MS_BUILD_PROCESS_NUM |
Ascend后端编译时，指定并行编译进程数。 |
Integer |
1~24：允许设置并行进程数取值范围 |
|
MS_COMPILER_CACHE_ENABLE |
指定是否保存和加载前端的图编译缓存。该功能与 mindspore context 中的 enable_compile_cache 相同。 注意：该环境变量优先级低于 enable_compile_cache context。 |
Integer |
0：关闭前端图编译缓存功能 1：开启前端图编译缓存功能 |
如果与 MS_COMPILER_CACHE_PATH 一起使用，编译缓存文件将保存在 ${MS_COMPILER_CACHE_PATH} /rank_${RANK_ID}/graph_cache/ 目录下。 其中 RANK_ID 为多卡训练场景中的卡号，单卡场景默认 RANK_ID=0 。 |
MS_COMPILER_CACHE_PATH |
MindSpore编译缓存目录，存储图和算子编译过程生成的缓存文件，如 graph_cache , kernel_meta , somas_meta 等 |
String |
缓存文件路径，支持相对路径与绝对路径 |
|
MS_COMPILER_OP_LEVEL |
Ascend后端编译时，开启debug功能，生成TBE指令映射文件。 注意：仅Ascend AI处理器环境使用。 |
Integer |
0~4，允许设置级别取值范围。 0：不开启算子debug功能，删除算子编译缓存文件 1：生成TBE指令映射文件 *.cce 和python-cce映射文件 *_loc.json ，开启debug功能 2：生成TBE指令映射文件 *.cce 和python-cce映射文件 *_loc.json ，开启debug功能，关闭编译优化开关，开启ccec调试功能（ccec编译器选项设置为-O0-g） 3：不开启算子debug功能，默认值 4：生成TBE指令映射文件 *.cce 和UB融合计算描述文件 {$kernel_name}_compute.json |
发生AICore Error时，如果需要保存算子cce文件，可以设置 MS_COMPILER_OP_LEVEL 为1或2。 |
MS_DEV_DISABLE_PREBUILD |
Ascend后端编译时，关闭算子预编译，默认不设置此环境变量。算子预编译可能会修正算子注册的fusion_type属性进而影响到算子融合，如遇到融合算子性能较差时，可尝试开启此环境变量验证是否是融合算子本身问题。 |
Boolean |
true：关闭预编译 false：使能预编译 |
并行训练
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
RANK_ID |
指定深度学习时调用Ascend AI处理器的逻辑ID。 |
Integer |
0~7，多机并行时不同server中DEVICE_ID会有重复，使用RANK_ID可以避免这个问题（多机并行时 RANK_ID = SERVER_ID * DEVICE_NUM + DEVICE_ID，DEVICE_ID指当前机器的第几个Ascend AI处理器。） |
|
RANK_SIZE |
指定深度学习时调用Ascend AI处理器的数量。 注意：Ascend AI处理器，使用多卡执行分布式用例时，由用户指定。 |
Integer |
1~8，调用Ascend AI处理器的数量 |
与RANK_TABLE_FILE配合使用 |
RANK_TABLE_FILE |
路径指向文件，包含指定多Ascend AI处理器环境中Ascend AI处理器的 device_id 对应的 device_ip 。 注意：Ascend AI处理器，使用多卡执行分布式用例时，由用户指定。 |
String |
文件路径，支持相对路径与绝对路径 |
与RANK_SIZE配合使用 |
MS_COMM_COMPILER_OPT |
Ascend后端图模式下编译时，指定可以复用的通信算子的上限。 注意：Ascend AI处理器，使用多卡执行分布式用例时，由用户指定。 |
Integer |
-1或正整数：使能通信子图复用，-1表示使用框架默认值，其他正整数表示用户指定值 不设置或其他值：关闭通信子图复用 |
|
DEVICE_ID |
昇腾AI处理器的ID，即Device在AI server上的序列号。 |
Integer |
昇腾AI处理器的ID，取值范围：[0, 实际Device数量-1]。 |
动态组网
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
MS_ROLE |
指定本进程角色。 |
String |
MS_SCHED: 代表Scheduler进程，一个训练任务只启动一个Scheduler，负责组网，容灾恢复等，不会执行训练代码。 MS_WORKER: 代表Worker进程，一般设置分布式训练进程为此角色。 MS_PSERVER: 代表Parameter Server进程，只有在Parameter Server模式下此角色生效，具体请参考 Parameter Server模式 。 |
Worker和Parameter Server进程会向Scheduler进程注册从而完成组网。 |
MS_SCHED_HOST |
指定Scheduler的IP地址。 |
String |
合法的IP地址。 |
当前版本暂不支持IPv6地址。 |
MS_SCHED_PORT |
指定Scheduler绑定端口号。 |
Integer |
1024～65535范围内的端口号。 |
|
MS_NODE_ID |
指定本进程的ID，集群内唯一。 |
String |
代表本进程的唯一ID，默认由MindSpore自动生成。 |
MS_NODE_ID在在以下情况需要设置，一般情况下无需设置，由MindSpore自动生成： 开启容灾场景：容灾恢复时需要获取当前进程ID，从而向Scheduler重新注册。 开启GLOG日志重定向场景：为了保证各训练进程日志独立保存，需设置进程ID，作为日志保存路径后缀。 指定进程rank id场景：用户可通过设置MS_NODE_ID为某个整数，来指定本进程的rank id。 |
MS_WORKER_NUM |
指定角色为MS_WORKER的进程数量。 |
Integer |
大于0的整数。 |
用户启动的Worker进程数量应当与此环境变量值相等。若小于此数值，组网失败；若大于此数值，Scheduler进程会根据Worker注册先后顺序完成组网，多余的Worker进程会启动失败。 |
MS_SERVER_NUM |
指定角色为MS_PSERVER的进程数量。 |
Integer |
大于0的整数。 |
只在Parameter Server训练模式下需要设置。 |
MS_ENABLE_RECOVERY |
开启容灾。 |
Integer |
1代表开启，0代表关闭。默认为0。 |
|
MS_RECOVERY_PATH |
持久化路径文件夹。 |
String |
合法的用户目录。 |
Worker和Scheduler进程在执行过程中会进行必要的持久化，如用于恢复组网的节点信息以及训练业务中间状态等，并通过文件保存。 |
MS_HCCL_CM_INIT |
是否使用CM方式初始化HCCL。 |
Integer |
1代表是，0代表否。默认为0。 |
此环境变量只在Ascend硬件平台并且通信域数量较多的情况下建议开启。开启此环境变量后，能够降低HCCL集合通信库的内存占用，并且训练任务执行方式与rank table启动方式相同。 |
具体用法详见 动态组网 。
特征值检测
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
NPU_ASD_ENABLE |
是否开启特征值检测功能 |
Integer |
0：关闭特征值检测功能 1：开启特征值检测功能 |
目前本特性仅支持Atlas A2 训练系列产品，仅支持检测Transformer类模型，bfloat16数据类型，训练过程中出现的特征值检测异常 |
NPU_ASD_UPPER_THRESH |
控制检测的绝对数值阈值 |
String |
格式为整型数据对，其中第一个元素控制绝对数值一级阈值，第二个元素控制绝对数值二级阈值 减小阈值可以检出波动更小的异常数据，增加检出率，增大阈值与之相反 在不配置该环境变量的默认情况下，NPU_ASD_UPPER_THRESH=1000000,10000 |
|
NPU_ASD_SIGMA_THRESH |
控制检测的相对数值阈值 |
String |
格式为整型数据对，其中第一个元素控制相对数值一级阈值，第二个元素控制相对数值二级阈值 减小阈值可以检出波动更小的异常数据，增加检出率，增大阈值与之相反 在不配置该环境变量的默认情况下，NPU_ASD_SIGMA_THRESH=100000,5000 |
特征值检测的更多内容详见 特征值检测 。
运行数据保存
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
MS_RDR_ENABLE |
是否开启程序运行数据记录器（RDR），如果MindSpore出现了运行异常，会自动导出MindSpore中预先记录的数据以辅助定位运行异常的原因 |
Integer |
1：开启RDR功能 0：关闭RDR功能 |
配合 MS_RDR_MODE 与 MS_RDR_PATH 使用 |
MS_RDR_MODE |
指定运行数据记录器（RDR）导出数据的模式 |
Integer |
1：仅在训练进程异常终止时导出数据 2：训练进程异常终止或正常结束时导出数据 默认值：1 |
配合 MS_RDR_ENABLE=1 使用 |
MS_RDR_PATH |
配置程序运行数据记录器（RDR）的文件导出的根目录路径 |
String |
目录路径，仅支持绝对路径 |
配合 MS_RDR_ENABLE=1 使用，最终RDR文件将 ${MS_RDR_PATH} /rank_${RANK_ID}/rdr/ 目录下。 其中 RANK_ID 为多卡训练场景中的卡号，单卡场景默认 RANK_ID=0 。 |
具体用法详见 Running Data Recorder 。
日志
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
GLOG_log_dir |
指定日志输出的路径 |
String |
文件路径，支持相对路径与绝对路径 |
与 GLOG_logtostderr 一起使用 若 GLOG_logtostderr 的值为0，则必须设置此变量 若指定了 GLOG_log_dir 且 GLOG_logtostderr 的值为1时，则日志输出到屏幕，不输出到文件 日志保存路径为： 指定的路径/rank_${rank_id}/logs/ ，非分布式训练场景下， rank_id 为0；分布式训练场景下， rank_id 为当前设备在集群中的ID C++和Python的日志会被输出到不同的文件中，C++日志的文件名遵从 GLOG 日志文件的命名规则，这里是 mindspore.机器名.用户名.log.日志级别.时间戳.进程ID ，Python日志的文件名为 mindspore.log.进程ID GLOG_log_dir 只能包含大小写字母、数字、”-”、”_”、”/”等字符 |
GLOG_log_max |
控制MindSpore C++模块日志单文件大小，可以通过该环境变量更改日志文件默认的最大值 |
Integer |
正整数，默认值：50MB |
如果当前写入的日志文件超过最大值，则新输出的日志内容会写入到新的日志文件中 |
GLOG_logtostderr |
控制日志的输出方式 |
Integer |
1:日志输出到屏幕 0:日志输出到文件 默认值：1 |
与GLOG_log_dir一起使用 |
GLOG_stderrthreshold |
日志模块在将日志输出到文件的同时也会将日志打印到屏幕，GLOG_stderrthreshold用于控制此情况下打印到屏幕的日志级别 |
Integer |
0-DEBUG 1-INFO 2-WARNING 3-ERROR 4-CRITICAL 默认值：2 |
|
GLOG_v |
控制日志的级别 |
Integer |
0-DEBUG 1-INFO 2-WARNING 3-ERROR，表示程序执行出现报错，输出错误日志，程序可能不会终止 4-CRITICAL，表示程序执行出现异常，将会终止执行程序 默认值：2 |
指定日志级别后，将会输出大于或等于该级别的日志信息 |
logger_backupCount |
用于控制MindSpore Python模块日志文件数量 |
Integer |
默认值：30 |
|
logger_maxBytes |
用于控制MindSpore Python模块日志单文件大小 |
Integer |
默认值：52428800 bytes |
|
MS_SUBMODULE_LOG_v |
指定MindSpore C++各子模块的日志级别 |
Dict {String:Integer…} |
0-DEBUG 1-INFO 2-WARNING 3-ERROR |
赋值方式为：MS_SUBMODULE_LOG_v=”{SubModule1:LogLevel1,SubModule2:LogLevel2,…}” 其中被指定子模块的日志级别将覆盖 GLOG_v 在此模块内的设置， 此处子模块的日志级别 LogLevel 与 GLOG_v 的日志级别含义相同， MindSpore子模块列表详见 sub-module_names。 例如可以通过 GLOG_v=1 MS_SUBMODULE_LOG_v=”{PARSER:2,ANALYZER:2}” 把 PARSER 和 ANALYZER 模块的日志级别设为WARNING，其他模块的日志级别设为INFO |
注意：glog不支持日志文件的绕接，如果需要控制日志文件对磁盘空间的占用，可选用操作系统提供的日志文件管理工具，例如：Linux的logrotate。请在 import mindspore 之前设置日志相关环境变量。
Dump功能
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
MINDSPORE_DUMP_CONFIG |
String |
文件路径，支持相对路径与绝对路径 |
||
MS_DIAGNOSTIC_DATA_PATH |
使用 云侧Dump功能 时， 如果Dump配置文件没有设置 path 字段或者设置为空字符串，则 $MS_DIAGNOSTIC_DATA_PATH /debug_dump 就会被当做path的值。 若Dump配置文件中设置了 path 字段，则仍以该字段的实际取值为准。 |
String |
文件路径，只支持绝对路径 |
与MINDSPORE_DUMP_CONFIG配合使用 |
MS_DEV_DUMP_BPROP |
在当前路径dump算子反向图的ir文件 |
String |
“on”，表示在当前路径dump算子反向图的ir文件 |
实验性质的环境变量 |
MS_DEV_DUMP_PACK |
在当前路径生成trace构图的ir文件 |
String |
“on”，表示在当前路径生成trace构图的ir文件 |
实验性质的环境变量 |
具体用法详见 Dump功能调试 。
数据处理性能
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
DATASET_ENABLE_NUMA |
是否开启Dataset模块的numa绑核功能，在大多数分布式场景下numa绑核都能提升数据处理效率和端到端性能 |
String |
True: 开启Dataset模块的numa绑核功能 |
与libnuma.so配合使用 |
MS_CACHE_HOST |
开启cache时，cache服务所在的IP |
String |
Cache Server所在机器的IP |
与MS_CACHE_PORT一起使用 |
MS_CACHE_PORT |
开启cache时，cache服务所在的端口 |
String |
Cache Server所在机器的端口 |
与MS_CACHE_HOST一起使用 |
MS_DATASET_SINK_QUEUE |
指定数据下沉队列的容量大小 |
Integer |
1~128：有效的队列容量大小设置范围 |
|
MS_ENABLE_NUMA |
是否开启全局numa绑核功能，提升端到端性能 |
String |
True: 开启全局numa绑核功能 |
|
OPTIMIZE |
是否执行dataset数据处理 pipeline 树优化，在适合数据处理算子融合的场景下，可以提升数据处理效率 |
String |
true: 开启pipeline树优化 false: 关闭pipeline树优化 |
调试器
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
ENABLE_MS_DEBUGGER |
是否在训练中启动Debugger |
Boolean |
1：开启Debugger 0：关闭Debugger |
与MS_DEBUGGER_HOST、MS_DEBUGGER_PORT一起使用 |
MS_DEBUGGER_HOST |
MindSpore Insight Debugger服务的IP |
String |
启动MindSpore Insight调试器的机器的IP |
与ENABLE_MS_DEBUGGER=1、MS_DEBUGGER_PORT一起使用 |
MS_DEBUGGER_PARTIAL_MEM |
是否开启部分内存复用（只有在Debugger选中的节点才会关闭这些节点的内存复用） |
Boolean |
1：开启Debugger选中节点的内存复用 0：关闭Debugger选中节点的内存复用 |
|
MS_DEBUGGER_PORT |
连接MindSpore Insight Debugger Server的端口 |
Integer |
1~65536，连接MindSpore Insight Debugger Server的端口 |
与ENABLE_MS_DEBUGGER=1、MS_DEBUGGER_HOST一起使用 |
具体用法详见 调试器 。
CANN
CANN的环境变量详见 昇腾社区 。请在 import mindspore 之前设置CANN的环境变量。
其他
环境变量 |
功能 |
类型 |
取值 |
说明 |
|---|---|---|---|---|
GROUP_INFO_FILE |
指定通信域信息存储路径 |
String |
通信域信息文件路径，支持相对路径与绝对路径 |
|
GRAPH_OP_RUN |
图模式下以任务下沉方式运行pipeline大网络模型时，可能会由于流资源限制而无法正常启动，此环境变量可以指定图模式的执行方式，配置为0表示任务下沉，是默认执行方式；1则表示非任务下沉方式，该方式没有流的限制，但性能有所下降。 |
Integer |
0：执行任务下沉 1：执行非任务下沉 |
|
MS_DEV_JIT_SYNTAX_LEVEL |
设置2时使能Fallback功能 |
Integer |
2: 开启Fallback功能 0: 关闭Fallback功能 默认值：2 |
|
MS_JIT_MODULES |
指定静态图模式下哪些模块需要JIT静态编译，其函数方法会被编译成静态计算图。 |
String |
模块名，对应import导入的顶层模块的名称。如果有多个，使用英文逗号分隔。例如：export MS_JIT_MODULES=mindflow,mindyolo。 |
默认情况下，第三方库之外的模块都会进行JIT静态编译。MindSpore套件如 mindflow、mindyolo 等并不会被视作第三方库，如果有类似MindSpore套件的模块，内部存在 nn.Cell、@ms.jit 修饰函数或需要编译成静态计算图的函数方法，可以通过配置该环境变量，使该模块进行JIT静态编译而不会被当成第三方库。 |
MS_JIT_IGNORE_MODULES |
指定静态图模式下哪些模块是第三方库，不进行JIT静态编译，其函数方法会被解释执行。 |
String |
模块名，对应import导入的顶层模块的名称。如果有多个，使用英文逗号分隔。例如：export MS_JIT_IGNORE_MODULES=numpy,scipy。 |
静态图模式能够自动识别第三方库，一般情况下不需要为NumPy、SciPy这些可识别的第三方库设置该环境变量。如果 MS_JIT_IGNORE_MODULES 和 MS_JIT_MODULES 同时指定同一个模块名，前者生效，后者不生效。 |
MS_JIT_DISPLAY_PROGRESS |
指定是否打印编译进度的信息。 |
Integer |
1：打印关键的编译进度的信息。 不设置或其它值：不打印编译进度的信息。 |
|
MS_EXCEPTION_DISPLAY_LEVEL |
控制异常信息显示级别 |
Integer |
0: 显示与模型开发者和框架开发者相关的异常信息 1: 显示与模型开发者相关的异常信息 默认值：0 |
|
MS_OM_PATH |
配置task异常时dump数据路径以及图编译出错时dump的analyze_fail.ir文件的保存目录，保存路径为：指定的路径/rank_${rand_id}/om |
String |
文件路径，支持相对路径与绝对路径 |
|
OPTION_PROTO_LIB_PATH |
RPOTO依赖库库路径 |
String |
目录路径，支持相对路径与绝对路径 |
|
MS_KERNEL_LAUNCH_SKIP |
指定执行过程中需要跳过的算子或者子图 |
String |
ALL或者all：跳过所有算子和子图的执行 算子名字（如ReLU）：跳过所有ReLU算子的执行 子图名字（如kernel_graph_1）：跳过子图kernel_graph_1的执行，用于子图下沉模式 |
|
MS_DEV_SAVE_GRAPHS_SORT_MODE |
选择生成ir文件的图打印排序方式 |
Integer |
0: 打印默认ir文件 1: 打印异序ir文件 |
|
MS_DEV_DUMP_IR_FORMAT |
配置IR图中展示哪些信息 |
Integer |
0：除return节点外，只打印节点的operator和节点的输入，并且简化子图的打印信息。 1：打印除debug info和scope以外的所有信息。 2或不设置：打印所有信息。 |
|
MS_DEV_DUMP_IR_INTERVAL |
设置间隔多少个IR文件打印保存一个IR文件，减少IR图的打印数量。 |
Integer |
1或不设置：打印保存所有IR文件。 其它数值：按照指定的间隔个数保存IR文件。 |
该环境变量与MS_DEV_DUMP_IR_PASSES同时打开时，优先遵从MS_DEV_DUMP_IR_PASSES的规则，该环境变量不会生效。 |
MS_DEV_DUMP_IR_PASSES |
根据文件名指定保存哪些IR文件。 |
String |
文件名或文件名的一部分。如果有多个，使用逗号隔开。例如`export MS_DEV_DUMP_IR_PASSES=recompute,renormalize`。 |
设置该环境变量时，无论MS_DEV_SAVE_GRAPHS设置为什么等级，详细的前端IR文件都会参与筛选和打印。 |
MS_DEV_SIDE_EFFECT_LOAD_ELIM |
优化冗余显存拷贝操作 |
Integer |
0: 不做显存优化，占用显存最多。 1: 保守地做部分显存优化。 2: 在损耗一定编译性能的前提下，尽量多地优化显存。 3: 不保证网络的精度，显存消耗最少。 默认值：1 |
|
MS_PYNATIVE_GE |
设置动态图模式下是否执行GE |
Integer |
0: 不执行GE。 1: 执行GE。 默认值: 0 |
实验性质的环境变量 |
GC_COLLECT_IN_CELL |
是否对未使用的Cell对象进行垃圾回收 |
Integer |
1：对未使用的Cell对象进行垃圾回收 不设置或其他值：不会显示调用垃圾回收机制 |
|
PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION |
选择Protocol Buffers后端使用什么语言实现 |
String |
“cpp”：使用c++后端实现 “python”：使用python后端实现 不设置或其他值：使用python后端实现 |
|
MS_DEV_DISABLE_BPROP_CACHE |
关闭bprop缓存图功能 |
String |
“on”，表示关闭bprop缓存图功能 |
实验性质的环境变量，关闭缓存功能会导致构图时间延长 |
MS_DEV_USE_PY_BPROP |
指定算子的bprop使用python版本，不使用cpp expander |
String |
算子名称，可以指定多个算子，以”,”分隔 |
实验性质的环境变量，如果不存在python版本的bprop函数，会执行出错 |
MS_DEV_DISABLE_TRACE |
关闭trace构图功能 |
String |
“on”，表示关闭trace构图功能 |
实验性质的环境变量 |
MS_ENABLE_GE |
使能GE流程 |
Integer |
0: 不使能GE流程。 1：使能GE流程。 默认值：0。 |
仅限Ascend 910 AI处理器环境使用。实验性质的环境变量。 |