NPU_ASD_SIGMA_THRESH
功能描述
通过此环境变量可配置特征值检测功能的相对阈值，格式为整型数据对，最小取值为3。
算法会检测特征值跳变幅度，其中第一个元素控制一级阈值，特征值跳变幅度超过一级阈值时，会终止训练并上报告警；第二个元素控制二级阈值，特征值跳变幅度超过二级阈值且“ASCEND_GLOBAL_LOG_LEVEL”设置为“0”、“1”或“2”时，会打印Warning级别日志预警。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。
特征值检测功能具体参见《PyTorch 训练模型迁移调优指南》的“特征值检查”章节。
默认阈值为 100000,5000。
出场默认阈值即为最优值，不推荐客户修改。若发生如下情况可根据实际场景调整阈值，并注意相关影响。
- 需要调大阈值场景：若发生告警，并且确认此次数值波动为正常，不影响训练，则调大阈值。
- 若val超过NPU_ASD_UPPER_THRESH导致告警，则需根据val值调大阈值NPU_ASD_UPPER_THRESH（推荐为val*2）；
- 若跳变幅度超过NPU_ASD_SIGMA_THRESH触发告警，则需根据(val-pre_val)和(max-min)的比值调大阈值NPU_ASD_SIGMA_THRESH（推荐为(val-pre_val)/(max-min)*2 ）。
相关影响：调大阈值会导致检出率有所减低，但误检率也会降低。
配置示例
export NPU_ASD_SIGMA_THRESH=100000,5000
使用约束
此环境变量不支持在PyTorch图模式（TorchAir）场景下使用。
支持的型号
Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品
父主题： 特征值检测