迁移第三方框架训练脚本

Linux Ascend GPU CPU 全流程 初级 中级 高级

查看源文件

概述

你可能已经编写过TensorFlow、PyTorch等框架的脚本,本教程介绍如何将已有的TensorFlow、PyTorch等的网络迁移到MindSpore,包括主要步骤和操作建议,帮助你快速进行网络迁移。

准备环节

在动手改造你的脚本前,请先做好算子评估和软硬件环境准备,确保MindSpore可以支持你希望迁移的网络。

算子评估

分析待迁移的网络中所包含的算子,结合MindSpore算子支持列表,梳理出MindSpore对这些算子的支持程度。

以ResNet-50为例,ConvBatchNorm是其中最主要的两个算子,它们已在MindSpore支持的算子列表中。

如果发现没有对应算子,建议:

  • 使用其他算子替换:分析算子实现公式,审视是否可以采用MindSpore现有算子叠加达到预期目标。

  • 临时替代方案:比如不支持某个Loss,是否可以替换为同类已支持的Loss算子;又比如当前的网络结构,是否可以替换为其他同类主流网络等。

如果发现支持的算子存在功能不全,建议:

  • 非必要功能:可删除。

  • 必要功能:寻找替代方案。

如果上述仍不能满足你的要求,你可以在MindSpore代码仓提出诉求。

软硬件环境准备

准备好硬件环境,查看与你环境对应平台的安装指南,完成MindSpore的安装。

E2E迁移网络

训练阶段

脚本迁移

MindSpore与TensorFlow、PyTorch在网络结构组织方式上,存在一定差别,迁移前需要对原脚本有较为清晰的了解,明确地知道每一层的shape等信息。

你也可以使用MindConverter工具实现PyTorch网络定义脚本到MindSpore网络定义脚本的自动转换。

下面,我们以ResNet-50的迁移,并在Ascend 910上训练为例:

  1. 导入MindSpore模块。

    根据所需使用的接口,导入相应的MindSpore模块,模块列表详见https://www.mindspore.cn/doc/api_python/zh-CN/r1.1/index.html

  2. 加载数据集和预处理。

    使用MindSpore构造你需要使用的数据集。目前MindSpore已支持常见数据集,你可以通过原始格式、MindRecordTFRecord等多种接口调用,同时还支持数据处理以及数据增强等相关功能,具体用法可参考准备数据教程

    本例中加载了Cifar-10数据集,可同时支持单卡和多卡的场景。

    if device_num == 1:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=4, shuffle=True)
    else:
        ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=4, shuffle=True,
                               num_shards=device_num, shard_id=rank_id)
    

    然后对数据进行了数据增强、数据清洗和批处理等操作。代码详见https://gitee.com/mindspore/mindspore/blob/r1.1/model_zoo/official/cv/resnet/src/dataset.py

  3. 构建网络。

    与TensorFlow相比,MindSpore对于卷积的最大差异在于数据格式。MindSpore整网默认使用NCHW的格式,与常见的TensorFlow所使用的NHWC不同。

    以batch_size=32的ResNet-50网络中第一层卷积为例:

    • 在TensorFlow中,输入feature的格式为[32, 224, 224, 3],卷积核大小为[7, 7, 3, 64]。

    • 在MindSpore中,输入feature的格式为[32, 3, 224, 224],卷积核大小为[64, 3, 7, 7]。

      def _conv7x7(in_channel, out_channel, stride=1):
          weight_shape = (out_channel, in_channel, 7, 7)
          weight = _weight_variable(weight_shape)
          return nn.Conv2d(in_channel, out_channel,
                          kernel_size=7, stride=stride, padding=0, pad_mode='same', weight_init=weight)
      
      
      def _bn(channel):
          return nn.BatchNorm2d(channel, eps=1e-4, momentum=0.9,
                              gamma_init=1, beta_init=0, moving_mean_init=0, moving_var_init=1)
      
  4. 构造子网。

    MindSpore中使用nn.Cell来构造一个子网结构。子网内遵循先定义后使用的原则来搭建网络结构。每一个需要使用的算子需先定义在Cell的__init__函数内,然后在construct函数内将定义好的算子连接起来,最后将子网的输出通过return返回。

    class ResidualBlock(nn.Cell):
        """
        ResNet V1 residual block definition.
    
        Args:
            in_channel (int): Input channel.
            out_channel (int): Output channel.
            stride (int): Stride size for the first convolutional layer. Default: 1.
    
        Returns:
            Tensor, output tensor.
    
        Examples:
            >>> ResidualBlock(3, 256, stride=2)
        """
        expansion = 4
    
        def __init__(self,
                    in_channel,
                    out_channel,
                    stride=1):
            super(ResidualBlock, self).__init__()
    
            channel = out_channel
            self.conv1 = _conv1x1(in_channel, channel, stride=1)
            self.bn1 = _bn(channel)
    
            self.conv2 = _conv3x3(channel, channel, stride=stride)
            self.bn2 = _bn(channel)
    
            self.conv3 = _conv1x1(channel, out_channel, stride=1)
            self.bn3 = _bn_last(out_channel)
    
            self.relu = nn.ReLU()
    
            self.down_sample = False
    
            if stride != 1 or in_channel != out_channel:
                self.down_sample = True
            self.down_sample_layer = None
    
            if self.down_sample:
                self.down_sample_layer = nn.SequentialCell([_conv1x1(in_channel, out_channel, stride),
                                                            _bn(out_channel)])
            self.add = ops.Add()
    
        def construct(self, x):
            identity = x
    
            out = self.conv1(x)
            out = self.bn1(out)
            out = self.relu(out)
    
            out = self.conv2(out)
            out = self.bn2(out)
            out = self.relu(out)
    
            out = self.conv3(out)
            out = self.bn3(out)
    
            if self.down_sample:
                identity = self.down_sample_layer(identity)
    
            out = self.add(out, identity)
            out = self.relu(out)
    
            return out
    
  5. 定义串联结构。

    ResNet-50网络中有大量的重复结构,TensorFlow中可以使用for循环调用函数的方式来减少重复代码。MindSpore中,我们定义的每一个Cell对象都是独立的,尤其对于内部存在权重参数的子网,定义的Cell是不能重复使用的,如果出现大量重复串联结构,可以使用循环构造多个Cell实例并通过SequentialCell来串联。

    def _make_layer(self, block, layer_num, in_channel, out_channel, stride):
        """
        Make stage network of ResNet.
    
        Args:
            block (Cell): Resnet block.
            layer_num (int): Layer number.
            in_channel (int): Input channel.
            out_channel (int): Output channel.
            stride (int): Stride size for the first convolutional layer.
    
        Returns:
            SequentialCell, the output layer.
    
        Examples:
            >>> _make_layer(ResidualBlock, 3, 128, 256, 2)
        """
        layers = []
    
        resnet_block = block(in_channel, out_channel, stride=stride)
        layers.append(resnet_block)
    
        for _ in range(1, layer_num):
            resnet_block = block(out_channel, out_channel, stride=1)
            layers.append(resnet_block)
    
        return nn.SequentialCell(layers)
    
  6. 构造整网。

    将定义好的多个子网连接起来就是整个ResNet-50网络的结构了。同样遵循先定义后使用的原则,在__init__中定义所有用到的子网,在construct中连接子网。

  7. 定义损失函数和优化器。

    定义好网络后,还需要相应地定义损失函数和优化器。

    loss = SoftmaxCrossEntropyWithLogits(sparse=True)
    opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), lr, config.momentum, config.weight_decay, config.loss_scale)
    
  8. 构造模型。

    类似于TensorFlow的Estimator接口,将定义好的网络原型、损失函数、优化器传入MindSpore的Model接口,内部会自动将其组合成一个可用于训练的网络。

    如果需要在训练中使用Loss Scale,则可以单独定义一个loss_scale_manager,一同传入Model接口。

    loss_scale = FixedLossScaleManager(config.loss_scale, drop_overflow_update=False)
    

    如果希望使用Model内置的评估方法,则可以使用metrics属性设置希望使用的评估方法。

    model = Model(net, loss_fn=loss, optimizer=opt, loss_scale_manager=loss_scale, metrics={'acc'})
    

    类似于TensorFlow的estimator.train,可以通过调用model.train接口来进行训练。CheckPoint和中间结果打印等功能,可通过Callback的方式定义到model.train接口上。

    time_cb = TimeMonitor(data_size=step_size)
    loss_cb = LossMonitor()
    cb = [time_cb, loss_cb]
    if config.save_checkpoint:
        config_ck = CheckpointConfig(save_checkpoint_steps=config.save_checkpoint_steps,
                                        keep_checkpoint_max=config.keep_checkpoint_max)
        ckpt_cb = ModelCheckpoint(prefix="resnet", directory=config.save_checkpoint_path, config=config_ck)
        cb += [ckpt_cb]
    model.train(epoch_size, dataset, callbacks=cb)
    

精度调试

精度调优过程建议如下两点:

  1. 单卡精度验证时,建议先采用小数据集进行训练。验证达标后,多卡精度验证时,再采用全量数据集。这样可以帮助提升调试效率。

  2. 首先删减脚本中的不必要技巧(如优化器中的增强配置、动态Loss Scale等),验证达标后,在此基础上逐个叠加新增功能,待当前新增功能确认正常后,再叠加下一个功能。这样可以帮助快速定位问题。

云上集成

请参考在云上使用MindSpore,将你的脚本运行在ModelArts。

推理阶段

在Ascend 910 AI处理器上训练后的模型,支持在不同的硬件平台上执行推理。详细步骤可参考多平台推理教程

样例参考

  1. 常用数据集读取样例

  2. Model Zoo