AI Core算子执行时间超时导致网络运行失败

现象描述

执行模型推理时，返回模型执行失败。Device侧日志中有如下ERROR级别的打印日志，关键信息如下：

[ERROR] TSCH(-1,null):2020-06-04-10:51:09.520.395 28 (cpuid:0) ai_core_dispatcher.c:1012 bs_done_exception_proc_timeout: slot_id=1,TS_ctrl=0x4,exception_core_list=0x0,current core usage=0x1,AI_CORES_COUNT=2, fault_task=0

问题根因

由于AI Core中算子执行task时间有超时时间的限制，如果算子的task执行时间超过限制时间，则Task Schedule会返回超时失败。

Atlas 200/300/500 推理产品的超时时间为55s。

Atlas 训练系列产品的超时时间为68s。

定位步骤

开发者可按照以下步骤进行分析，定位到超时算子。

首先查看Device侧日志，定位到TSCH组件的失败task ID。
Device侧日志路径及查看方法请参见《日志参考》。

查询TSCH组件的日志信息，通过搜索关键字bs_done_exception_proc_timeout，定位到fault_task的ID，例如fault_task=0。

日志信息参考现象描述。

查看Host侧日志，定位到失败的算子名称。

Host侧日志路径及查看方法请参见《日志参考》。

根据1查询到的fault_task ID，例如fault_task=0，在Host侧日志中搜索“TaskLaunched”和“task_id=0”，如下所示：

[EVENT] RUNTIME(15568,acl_caffe_interp):2020-06-04-10:50:14.522.076 [runtime/feature/src/logger.cc:1014]15570 TaskLaunched:device_id=0, stream_id=514, sq_id=514, task_id=0, kernel_name=test_case/2_16_144_417_248_408_float16/0_Interp_1_0_2_16_144_417_0_0_2_16_248_408.om/Interp_tvmbin, devfunc_name = te_interp_1ead9f4957880f1e_0__kernel0 task_type=AiCoreKernel, task_launched_num=2

如上日志中的kernel_name中的Interp即为执行超时的算子。

开发者可参见TIK性能优化进行算子的优化。

父主题： FAQ