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

已完成精度分析工具部署。
已排除浮点异常问题，并关闭溢出检测开关。

操作步骤

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)

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。
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。

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/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。

{
    "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》。

父主题： 精度调优