融合异常检测

使用场景

训练网络执行过程中，系统会根据内置的融合规则对网络中算子进行融合，以达到提高网络性能的效果。由于大多数融合是自动识别的，但可能存在未考虑到的场景，导致精度问题，因此可以尝试关闭相应融合规则，定界网络问题是否是由于融合导致。

融合异常检测的主要过程为：

前提条件

1. 已完成工具部署。
2. 已排除浮点异常问题，并关闭溢出检测开关。

操作步骤

1. 修改训练脚本，关闭全部融合规则。

   # 引用precision_tool/tf_config.py
   import precision_tool.tf_config as npu_tf_config
   
   # 1. 手工迁移网，关闭融合规则
   # 1.1 Estimator方式
   npu_config = NPURunConfig(fusion_switch_file=npu_tf_config.FUSION_OFF_FILE) 
   # 1.2 Session run方式
   config = npu_tf_config.session_dump_config(config, action='fusion_off')
   sess = tf.Session(config)
   
   # 2. 自动迁移网络，关闭融合规则
   # 若脚本中未配置custom_op，则在脚本中新增如下粗体语句
   session_config = npu_tf_config.session_dump_config(session_config, action='fusion_off')
   # 若脚本中已配置custom_op，如下所示，则在脚本中新增下列粗体语句更新custom_op
   custom_op = session_config.graph_options.rewrite_options.custom_optimizers.add()
   custom_op.name = 'NpuOptimizer'
   custom_op.parameter_map["precision_mode"].s = tf.compat.as_bytes("allow_mix_precision")
   custom_op = npu_tf_config.update_custom_op(custom_op, action='fusion_off')
   
   # 2.1 Estimator方式
   run_config = tf.estimator.RunConfig(session_config=session_config,...)
   # 2.2 Session run方式
   with tf.Session(config=npu_config_proto(session_config)):
       ....
   # 2.3 tf.keras方式
   npu_keras_sess = set_keras_session_npu_config(config=session_config)

2. 执行训练，检查网络精度是否有明显提高。
   • 如果网络精度有明显提高，表明是融合问题导致，接下来需要参考3定位是哪个融合规则的哪一层算子融合出现了问题。
   • 如果网络精度无明显提高，需要恢复融合规则状态（将1中关闭全部融合规则的代码注释掉），并进行整网数据比对。

3. 定位异常融合规则。
   定位融合异常时依赖CANN Toolkit软件包中的atc工具和msaccucmp.py工具，以下操作需要在CANN开发环境，即Toolkit安装环境进行。

   1. 开启融合规则，生成dump数据和图结构文件。

      1）恢复融合规则状态（将1中关闭全部融合规则的代码注释掉），参考基于NPU Dump精度数据，在NPU环境执行训练，采集dump数据，该数据默认保存在precision_data/npu/debug_0目录下。

      2）将以上数据转存到precision_data/npu/debug_1目录下。

      mv precision_data/npu/debug_0/ precision_data/npu/debug_1

      3）执行atc命令，生成包含图结构信息的json文件。

      atc --mode=5 --om=precision_data/npu/debug_1/graph/ge_proto_00005_Build.txt --json=precision_data/npu/debug_1/test_on.json

      

      该命令行中ge_proto_00005_Build.txt文件名为举例，实际执行时，需要根据实际图文件名替换。

      在precision_data/npu/debug_1/graph会存在多个类似文件名的图文件，需要找到计算图文件。一般情况选取方法为：将tensorflow模型保存为pb文件，然后查看该模型，选取其中一个计算类算子的名字作为关键字，找包含该关键字的计算图文件；或者尝试选择文件大小最大的文件，计算图名称取计算图文件graph下的name字段值。

   2. 关闭融合规则，生成dump数据和图结构文件。

      1）关闭全部融合规则（参考1相关操作），再次在NPU环境执行训练，采集dump数据，该数据默认保存在precision_data/npu/debug_0目录下。

      #  以自动迁移脚本为例
      config = npu_tf_config.session_dump_config(config, action='fusion_off|dump')

      2）执行atc命令，生成包含图结构信息的json文件。

      atc --mode=5 --om=precision_data/npu/debug_0/graph/ge_proto_00006_Build.txt --json=precision_data/npu/debug_0/test_off.json

   3. 将融合规则关闭前后生成的dump数据进行比对。

      进入CANN软件安装目录下/toolkit/tools/operator_cmp/compare目录，执行如下命令：

      python3 msaccucmp.py compare -m precision_data/npu/debug_0/dump/20211016180613/1/ge_default_20211016180613_1/1/0 -g precision_data/npu/debug_1/dump/20211016164504/1/ge_default_20211016164504_1/1/0 -f precision_data/npu/debug_1/test_on.json -cf precision_data/npu/debug_0/test_off.json -out out_dir

      在out_dir目录生成精度比对结果。

   4. 根据比对结果，找到精度异常的融合算子。
   5. 根据该异常算子，匹配对应计算图txt文件，找到相应融合规则名称。如果定位有困难，欢迎到昇腾社区提issue求助。

4. 定位到具体融合规则后，先恢复融合规则状态（将1中关闭全部融合规则的代码注释掉），然后仅关闭指定的融合规则。

   # 关闭指定的融合规则
   # 引用precision_tool/tf_config.py
   import precision_tool.tf_config as npu_tf_config
   
   # 1. 手工迁移网络
   # 1.1 Estimator方式
   npu_config = NPURunConfig(fusion_switch_file=npu_tf_config.FUSION_SWITCH_FILE) 
   # 1.2 Session run方式
   config = npu_tf_config.session_dump_config(config, action='fusion_switch')
   sess = tf.Session(config)
   
   # 2. 自动迁移网络
   session_config = npu_tf_config.session_dump_config(session_config, action='fusion_switch')
   # 2.1 Estimator方式
   run_config = tf.estimator.RunConfig(session_config=session_config,...)
   # 2.2 Session run方式
   config = npu_config_proto(config_proto=session_config)
   with tf.Session(config=config) as sess:
       ....

   同时修改precision_tool下的融合规则配置文件fusion_switch.cfg，配置样例如下，on表示开启，off表示关闭。

   {
       "Switch":{
           "GraphFusion":{
               "ConvToFullyConnectionFusionPass":"off",
           },
           "UBFusion":{
               "TbePool2dQuantFusionPass":"off"
           }
       }
   }

   

   具体融合规则说明请参考《图融合和UB融合规则参考》。