MindInsight文档

MindInsight是昇思MindSpore的可视化调试调优工具。利用MindInsight,您可以可视化地查看训练过程、优化模型性能、调试精度问题。您还可以通过MindInsight提供的命令行方便地搜索超参,迁移模型。在MindInsight的帮助下,您可以更轻松地获得满意的模型精度和性能。

MindInsight包括以下内容:

使用MindInsight可视化训练过程

  1. 收集可视化训练数据

    在训练脚本中使用SummaryCollector记录训练信息,再执行训练。

  2. 启动MindInsight可视化训练

    启动MindInsight,并通过 --summary-base-dir 参数指定summary日志文件目录。

  3. 查看训练看板

    在浏览器中打开MindInsight访问地址,点击“训练看板”按钮查看详细信息。

使用MindInsight分析模型性能

  1. 收集模型分析数据

    在训练脚本中调用MindSpore Profiler相关接口,再执行训练。

  2. 启动MindInsight分析模型

    启动MindInsight服务,并通过 --summary-base-dir 参数指定性能数据目录。

  3. 分析性能数据

    在浏览器中打开MindInsight访问地址,点击“性能分析”按钮查看并分析训练性能数据。

使用MindInsight调试模型精度

  1. 以调试模式启动MindInsight

    通过配置 --enable-debugger True --debugger-port 50051 参数使MindInsight以调试模式启动。

  2. 以调试模式运行训练脚本

    设置环境变量 export ENABLE_MS_DEBUGGER=True ,将训练指定为调试模式,并设置训练要连接的调试服务和端口: export MS_DEBUGGER_HOST=127.0.0.1; export MS_DEBUGGER_PORT=50051 ,然后执行训练脚本。

  3. 在MindInsight界面设置监测点并分析

    在浏览器中打开MindInsight访问地址,点击“调试器”页签,等待训练连接后,设置监测点,分析计算图、张量、监测点命中等数据,识别精度问题根因。

使用MindConverter迁移模型

  1. 导出ONNX模型

    在原始脚本中导出ONNX模型,参见TensorFlow或PyTorch提供的相关说明。

  2. 迁移模型

    执行mindconverter命令以迁移模型,迁移后查看迁移报告并修复报告中指出的错误。

  3. 补充脚本

    基于MindConverter生成的骨干模型定义,补齐数据处理、loss函数、训练循环等脚本代码,组成完整脚本。

安装部署

RELEASE NOTES