模型调试
完成脚本迁移后,在训练适配过程中,如果遇到问题,可以使用以下方法进行调试,确认问题代码发生的位置以及原因。
- 脚本打印定位:使用print打印,判断模型发生问题的代码位置。由于PyTorch框架是异步执行框架,直接打印可能位置不准确,需要添加流同步逻辑辅助打点。
print(torch.npu.synchronize(),"debug message") print(inputs.shape, inputs.dtype) #所需打印参数可根据实际情况变更
该方法适用于问题定位场景,正式训练可删除。
- pdb断点调试:在需要设置断点的部分添加函数。
- 方法一:在代码中引入pdb模块,在需要设置断点的部分添加set_trace函数触发调试器。
import pdb pdb.set_trace()
脚本运行至pdb.set_trace()处会暂停,通过在命令行中输入命令操作,例如输入n可以执行下一行代码,输入p {变量名}可打印当前变量的值,更多参数介绍请参见常用pdb参数说明。
下图展示了在执行训练的循环中设置pdb并尝试打印变量loss的值的效果。
- 方法二:在需要设置断点的部分添加breakpoint函数,脚本运行至此处会停留。
breakpoint()
下图是在执行训练的循环中设置断点的效果。
- 方法一:在代码中引入pdb模块,在需要设置断点的部分添加set_trace函数触发调试器。
- gdb命令行调试:gdb调试工具的主要功能为在程序中设置断点、监视变量、单步骤运行、运行时改变变量值、跟踪路径、线程切换。此方法主要针对coredump场景,执行目录下会生成core dump文件,使用gdb调试该文件并打印堆栈,方法如下:
- 参考GDB官方文档安装GDB。
- 设置生成coredump文件(ulimit设置)。
ulimit -c # 查看当前设置,0表明不生成coredump文件,需要更改ulimit设置 ulimit -c unlimited # unlimited将生成coredump文件大小设置为无限制,此时如果进程崩溃就会生成coredump文件
- 设置coredump文件存储位置和名称。
# 临时修改生成的coredump文件的名称,加粗命令为文件名称的变量,可自行设置 sysctl -w kernel.core_pattern=core-%e.%p.%h.%t # 设置coredump生成目录,加粗命令为文件名称的变量和生成目录,可自行设置 echo "/pathtocoredump/core.%e.%p" >/proc/sys/kernel/core_pattern
可以在core.pattern模板中使用的变量见表1。
- 生成coredump文件。
- 调试coredump文件。
gdb python3 core*.* #coredump文件名请根据用户自己的设置修改
执行命令后,gdb工具会将发生异常的代码、其所在的函数、文件名和所在文件的行数打印到屏幕,方便定位问题。样例回显如下图。
gdb模式中常用的调试命令如表2。
- Hook定位:该方法主要针对定位模型中某个module的报错,通常适用于正反向module的报错定位。
在脚本中添加如下代码,定义hook。
def hook_func(name, module): def hook_function(module, inputs, outputs): print(name) return hook_function
在代码执行模型计算之前添加如下hook代码,打印模型正反向执行过程中的module名。定位到具体问题后,打印所有shape、dtype、format后配合host日志辅助排查问题。for name, module in model.named_modules(): if module is not None: module.register_forward_hook(hook_func('[forward]:' + name, module)) module.register_backward_hook(hook_func('[backward]:' + name, module))
下图展示了添加hook函数后的日志打印内容,可以看到模型的每个模块名被打印出来,用户也可以通过修改hook_func函数,自定义想打印的内容。
父主题: 迁移适配