修改混合精度黑白灰名单

概述

开启自动混合精度的场景下，系统会自动根据内置的优化策略，对网络中的某些数据类型进行降精度处理，从而在精度损失很小的情况下提升系统性能并减少内存使用。

内置优化策略在“OPP安装目录/opp/built-in/op_impl/ai_core/tbe/config/<soc_version>/aic-<soc_version>-ops-info.json”，例如：

       
            "Conv2D":{
    "precision_reduce":{
        "flag":"true"
},

precision_mode_v2配置为mixed_float16，precision_mode配置为allow_mix_precision_fp16/allow_mix_precision的场景：
- 若取值为true（白名单），则表示允许将当前float32类型的算子，降低精度到float16。
- 若取值为false（黑名单），则不允许将当前float32类型的算子降低精度到float16，相应算子仍使用float32精度。
- 若网络模型中算子没有配置该参数（灰名单），当前算子的混合精度处理机制和前一个算子保持一致，即如果前一个算子支持降精度处理，当前算子也支持降精度；如果前一个算子不允许降精度，当前算子也不支持降精度。
precision_mode配置为allow_mix_precision_bf16的场景（仅在Atlas A2 训练系列产品上支持此配置）：
- 若取值为true（白名单），则表示允许将当前float32类型的算子，降低精度到bfloat16。
- 若取值为false（黑名单），则不允许将当前float32类型的算子降低精度到bfloat16，相应算子仍旧使用float32精度。
- 若网络模型中算子没有配置该参数（灰名单），当前算子的混合精度处理机制和前一个算子保持一致，即如果前一个算子支持降精度处理，当前算子也支持降精度；如果前一个算子不允许降精度，当前算子也不支持降精度。

用户可以在内置优化策略基础上进行调整，自行指定哪些算子允许降精度，哪些算子不允许降精度。

下面介绍两种配置方法。

（推荐）通过modify_mixlist参数指定混合精度黑白灰算子名单

在训练脚本中通过modify_mixlist参数指定混合精度黑白灰算子名单配置文件，配置示例如下：

自动迁移场景

        
             custom_op.parameter_map["modify_mixlist"].s = tf.compat.as_bytes("/home/test/ops_info.json")

手工迁移场景

        
         
           
           
             from npu_bridge.npu_init import *
# Estimator模式修改方法
npu_config=NPURunConfig(
  model_dir=FLAGS.model_dir,
  save_checkpoints_steps=FLAGS.save_checkpoints_steps,
  session_config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=False),
  precision_mode_v2="mixed_float16",
  modify_mixlist="/home/test/ops_info.json"
  )
# sess.run模式修改方法
config = tf.ConfigProto()
custom_op =  config.graph_options.rewrite_options.custom_optimizers.add()
custom_op.name =  "NpuOptimizer" 
custom_op.parameter_map["use_off_line"].b = True
custom_op.parameter_map["precision_mode_v2"].s = tf.compat.as_bytes("mixed_float16")
custom_op.parameter_map["modify_mixlist"].s = tf.compat.as_bytes("/home/test/ops_info.json")
config.graph_options.rewrite_options.remapping = RewriterConfig.OFF
config.graph_options.rewrite_options.memory_optimization = RewriterConfig.OFF
with tf.Session(config=config) as sess:
  print(sess.run(cost))

# Keras模式修改方法
与sess.run模式修改方法类似

            

          

        
       

其中ops_info.json为混合精度黑白灰算子名单配置文件，多个算子使用英文逗号分隔，样例如下：

{
  "black-list": {                  // 黑名单
     "to-remove": [                // 黑名单算子转换为灰名单算子
     "Xlog1py"
     ],
     "to-add": [                   // 白名单或灰名单算子转换为黑名单算子
     "Matmul",
     "Cast"
     ]
  },
  "white-list": {                  // 白名单
     "to-remove": [                // 白名单算子转换为灰名单算子 
     "Conv2D"
     ],
     "to-add": [                   // 黑名单或灰名单算子转换为白名单算子
     "Bias"
     ]
  }
}

假设算子A默认在白名单中，如果您希望将该算子配置为黑名单算子，可以参考如下方法：

（正确示例）用户将该算子添加到黑名单中：

        
             {
  "black-list": { 
     "to-add": ["A"]
  }
}

则系统会将该算子从白名单中删除，并添加到黑名单中，最终该算子在黑名单中。

（正确示例）用户将该算子从白名单中删除，同时添加到黑名单中：

        
             {
  "black-list": {
     "to-add": ["A"]
  },
  "white-list": {
     "to-remove": ["A"]
  }
}

则系统会将该该算子从白名单中删除，并添加到黑名单中，最终该算子在黑名单中。

（错误示例）用户将该算子从白名单中删除，此时算子最终是在灰名单中，而不是黑名单。

        
             {
  "white-list": {
     "to-remove": ["A"]
  }
}

此时，系统会将该算子从白名单中删除，然后添加到灰名单中，最终该算子在灰名单中。

对于只从黑/白名单中删除，而不添加到白/黑名单的情况，系统会将该算子添加到灰名单中。

修改算子信息库

对内置算子信息库进行修改，可能会对其他网络造成影响，请谨慎修改。

切换到“OPP安装目录/opp/built-in/op_impl/ai_core/tbe/config/<soc_version>”目录下。
对aic-<soc_version>-ops-info.json文件增加写权限。
```
chmod u+w aic-<soc_version>-ops-info.json
```
当前目录下的所有json文件都会被加载到算子信息库中，如果您需要备份原来的json文件，建议备份到其他目录下。
修改或增加算子信息库aic-<soc_version>-ops-info.json文件中对应算子的precision_reduce字段。

父主题： 混合精度训练