常见问题
MindSpore官网提供了一份在使用MindSpore过程中的 FAQ ,本章也整理了一下在迁移文档中提及的常见问题及解决方法。
环境准备
Q: 如何搭建MindSpore环境?
A: MindSpore目前支持在昇腾、GPU、CPU等多种设备上运行,但在安装过程中需要注意选择配套的硬件平台、操作系统、Python版本,否则会出现很多不可预测的报错。详细可参考 安装指导 。
更多环境准备常见问题请参考 环境准备常见问题分析 。
模型分析与准备
Q: 如何查看MindSpore对迁移代码中的API支持程度?
A: 可以使用API自动扫描工具MindSpore Dev Toolkit(推荐),或手动查询API映射表进行分析。详细可参考 分析API满足度 。
数据处理
Q: 怎么将PyTorch的`dataset`转换成MindSpore的`dataset`?
A: MindSpore和PyTorch的自定义数据集逻辑是比较类似的,首先需要用户先定义一个自己的 dataset 类,该类负责定义 __init__ 、 __getitem__ 、 __len__ 来读取自己的数据集,然后将该类实例化为一个对象(如: dataset/dataset_generator ),最后将这个实例化对象传入 GeneratorDataset (mindspore用法)/ DataLoader (pytorch用法),至此即可以完成自定义数据集加载了。
而MindSpore在 GeneratorDataset 的基础上提供了进一步的 map -> batch 操作,可以很方便地让用户在 map 内添加一些其他的自定义操作,并将其 batch 起来。
对应的MindSpore的自定义数据集加载如下:
# 1 Data enhancement,shuffle,sampler. class Mydata: def __init__(self): np.random.seed(58) self.__data = np.random.sample((5, 2)) self.__label = np.random.sample((5, 1)) def __getitem__(self, index): return (self.__data[index], self.__label[index]) def __len__(self): return len(self.__data) dataset_generator = Mydata() dataset = ds.GeneratorDataset(dataset_generator, ["data", "label"], shuffle=False) # 2 Customized data enhancement dataset = dataset.map(operations=pyFunc, {other_params}) # 3 batch dataset = dataset.batch(batch_size, drop_remainder=True)
Q: 为什么在迭代数据的时候会报错:“The actual amount of data read from generator xx is different from generator.len xx, you should adjust generator.len to make them match” ?
A: 在定义可随机访问数据集时, __len__ 方法返回的结果一定要是真实的数据集大小,设置大了在 __getitem__`取值时会有越界问题。如数据集大小未确定,可以使用可迭代数据集,详见 `自定义数据集 。
Q: 为什么在迭代数据的时候会报错:“Invalid Python function, the ‘source’ of ‘GeneratorDataset’ should return same number of NumPy arrays as specified in column_names, the size of column_names is:xx and number of returned NumPy array is:xx” ?
A: 这是因为GeneratorDataset的 column_names 参数指定的列名数量与 source 参数输出的数据数量不匹配。
Q: 使用 GeneratorDataset 或 map 进行加载/处理数据时,可能会因为语法错误、计算溢出等问题导致数据报错,如何进行排查和调试?
A: 观察报错栈信息,由报错栈信息大概定位到出错代码块,在出错的代码块附近添加打印或调试点,进一步调试。详细可参考 数据处理调试方法一 。
Q: 数据增强 map 操作出错,如何调试 map 操作中各个数据处理算子?
A: 可以通过单个算子执行的方式调试或者通过数据管道调试模式调试 map 操作。详细可参考 数据处理调试方法二 。
Q: 在训练的时候,会获得非常多warning提示我们数据集性能较慢应该怎么处理?
A: 可以单独迭代数据集,查看每条数据的处理时间,以此判断数据集的性能如何。详细可参考 数据处理调试方法三 。
Q: 在对数据进行处理的过程中,如果因为计算错误、数值溢出等因素,产生了异常的结果数值,从而导致训练网络时算子计算溢出、权重更新异常等问题该怎么排查?
A: 关闭混洗,固定随机种子,确保可重现性,然后利用NumPy等工具快速校验结果。详细可参考 数据处理调试方法四 。
更多数据处理常见问题请参考 数据处理常见问题分析 以及迁移中的数据处理差异请参考 MindSpore和PyTorch的数据处理差异 。
梯度求导
Q: 如何自己实现算子的反向计算?
A: MindSpore提供了自动的梯度求导接口,该功能对用户屏蔽了大量的求导细节和过程。但如果有某些特殊场景,用户需要手动控制其反向的计算,用户也可以通过Cell.bprop接口对其反向进行定义。详细可参考 自定义Cell反向 。
Q: 如何处理梯度溢出造成训练不稳定的问题?
A: 网络溢出一般表现为loss Nan/INF,loss突然变得很大等。MindSpore提供 dump数据 获取到溢出算子信息。当网络中出现梯度下溢时,可使用loss scale配套梯度求导使用,详细可参考 loss scale ;当网络出现梯度爆炸时,可考虑添加梯度裁剪,详细可参考 梯度裁剪 。
调试调优
Q: 请问想加载PyTorch预训练好的模型用于MindSpore模型finetune有什么方法?
A: 需要把PyTorch和MindSpore的参数进行一一对应,因为网络定义的灵活性,所以没办法提供统一的转化脚本。
一般情况下,CheckPoint文件中保存的就是参数名和参数值,调用相应框架的读取接口后,获取到参数名和数值后,按照MindSpore格式,构建出对象,就可以直接调用MindSpore接口保存成MindSpore格式的CheckPoint文件了。
其中主要的工作量为对比不同框架间的parameter名称,做到两个框架的网络中所有parameter name一一对应(可以使用一个map进行映射),下面代码的逻辑转化parameter格式,不包括对应parameter name。
import torch import mindspore as ms def pytorch2mindspore(default_file = 'torch_resnet.pth'): # read pth file par_dict = torch.load(default_file)['state_dict'] params_list = [] for name in par_dict: param_dict = {} parameter = par_dict[name] param_dict['name'] = name param_dict['data'] = ms.Tensor(parameter.numpy()) params_list.append(param_dict) ms.save_checkpoint(params_list, 'ms_resnet.ckpt')
Q: loss不收敛或精度不达标,该怎么定位?
A: 精度不达标一般体现在loss不收敛上。但是有很多复杂的原因可导致精度达不到预期,定位难度较大。这里提供几个指导链接供用户逐一排查问题。
MindSpore模型精度调优实战(一)精度问题的常见现象、原因和简要调优思路 。
MindSpore模型精度调优实战(二)精度调试调优思路 。
MindSpore模型精度调优实战(三)常见精度问题简介 。
更多调试调优常见问题请参考 调优常见问题及解决办法 。
Q: 模型训练过程中,第一个step耗时很长,该怎么优化?
A: 模型训练过程中,第一个step包含网络编译时长,如果想要优化第一个step的性能,可分析模型编译是否能进行优化。详细可参考 静态图网络编译性能优化 。
Q: 模型训练过程中,非首个step耗时很长,该怎么优化?
A: 模型训练过程中,非首个step的耗时包括迭代间隙、前反向计算和迭代拖尾,如果想要优化非首step的性能,需要先获取网络的迭代轨迹,再分析哪部分是性能瓶颈,最近进行性能优化。
Q: 加载标杆权重进行模型推理验证正向流程时,有warning警告显示权重未加载成功,该如何解决?
A: load_checkpoint过程中,如果有权重未加载上,MindSpore会给出warning提示,一般加载失败有两种原因:1、权重名称对不上;2、权重在网络中缺失。
如果权重名称对不上,需要打印MindSpore的权重名称和标杆的权重名称,看是否MindSpore的权重名称多了backbone或network等前缀,如果是,检查MindSpore在初始化 Cell 时是否加上auto_prefix=False。
如果权重名称缺失,需要分析是否合理,如果合理,可忽略告警提示,如果不合理,需要分析网络定义是否错误,进行定位修改。
Q: 迁移过程使用PyNative进行调测,流程成功,切换成Graph模式,为什么会出现一堆的报错?
A: PyNative模式下模型进行推理的行为与一般Python代码无异。但是切换成Graph模式时,MindSpore通过源码转换的方式,将Python的源码转换成中间表达IR(Intermediate Representation),并在此基础上对IR图进行优化,最终在硬件设备上执行优化后的图。
而这一步操作中MindSpore目前还未能支持完整的Python语法全集,所以construct函数的编写会存在部分限制。
如:PyNative模式下可直接判断某个Tensor值是否为0,但切换成Graph模式则会报错不支持。
if response == 0: return loss return loss/response
遇到类似情况,可将代码修改为:
response_gt = max(response, ms.Tensor(1)) loss = loss/response_gt return loss
详细可参考 静态图语法支持 。
Q: 训练过程中出现报错:“RuntimeError: Launch kernel failed, name:Default/…” 怎么办?
A: 这类报错一般是MindSpore不支持某个算子,可能需要用户自己实现该算子。详细可参考 PyTorch与MindSpore API映射表 。
Q: PyNative动态图迁移过程中出现报错,该怎么有效地定位到报错原因?
A: 如果遇到动态图问题,可以设置mindspore.set_context(pynative_synchronize=True)查看报错栈协助定位。详细可参考 pynative_synchronize说明 。
Q: Graph模式静态图训练过程中出现报错,该怎么有效地定位到报错原因?
A: 引发静态图报错的原因很多,一般失败会有日志打印,如果不能直观地从日志中获取报错信息,可通过export GLOG_v=1指定日志级别获取更详细的报错信息进行分析。
同时计算图编译发生报错时,会自动保存analyze_failed.ir文件,可帮助分析报错代码的位置。详细可参考 静态图模式错误分析 。
Q: Graph模式静态图训练过程中出现Out Of Memory报错,怎么办?
A: 出现该报错可能有两个原因:1、资源被占用;2、显存不够。
当资源被占用时,可通过pkill -9 python释放资源,再重新训练。
当显存不够时,可尝试降低batch_size;分析内存查看是否通信算子太多导致整体内存复用率较低。
详细可参考 资源不够问题分析 。
更多调优常见问题请参考 执行问题 。