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。

   1 2	import precision_tool.tf_config as npu_tf_config npu_tf_config.npu_device_dump_config(npu_device, action='fusion_off')

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。

      1 2	import precision_tool.tf_config as npu_tf_config npu_tf_config.npu_device_dump_config(npu_device, 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/home/HwHiAiUser/Ascend/ascend-toolkit/latest/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。

   1 2	import precision_tool.tf_config as npu_tf_config npu_tf_config.npu_device_dump_config(npu_device, action='fusion_switch')

   同时修改precision_tool/lib/config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。

   1 2 3 4 5 6 7 8 9 10

   { "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》。