准备GPU侧npy数据文件

前提条件

• 在进行TensorFlow 1.x原始网络训练获取npy或dump数据前，要求有一套完整、可执行的标准TensorFlow模型训练工程。GPU训练环境准备可以参考在ECS上快速创建GPU训练环境，链接内容仅供参考，请以实际训练场景为准。
• 不论采用Estimator模式或session.run模式，首先要把脚本中所有的随机全部关闭，包括但不限于对数据集的shuffle，参数的随机初始化，以及某些算子的隐形随机初始化（比如dense算子），确认自己脚本内所有参数均非随机初始化。

生成npy数据文件

利用TensorFlow官方提供的debug工具tfdbg生成npy文件。详细的操作方法如下：

1. 修改TensorFlow训练脚本，添加debug选项设置。
   • 如果采用Estimator模式，采用如下方式添加tfdbg的hook。
     1. 新增from tensorflow.python import debug as tf_debug导入debug模块。
     2. 在生成EstimatorSpec对象实例，即构造网络结构代码位置，新增代码training_hooks=[tf_debug.LocalCLIDebugHook()]。
     图1 Estimator模式
     
   • 如果采用session.run模式，采用如下方式在run之前设置tfdbg装饰器。
     1. 新增from tensorflow.python import debug as tf_debug导入debug模块。
     2. 在session初始化结束后，新增sess = tf_debug.LocalCLIDebugWrapperSession(sess, ui_type="readline")。
     图2 session.run模式
     
2. 执行训练脚本。
3. 训练任务停止后，视图进入调试命令行交互模式tfdbg，执行run命令，训练会往下执行一个step。

   For more details, see help..
   tfdbg> run

   run命令执行完成后，获取第一个step的训练结果参数，可以依次执行lt命令查询已存储的张量，执行pt命令查看已存储的张量内容，保存数据为npy格式文件。

收集npy数据文件

run命令执行完成后，需要收集npy文件，但由于tfdbg一次只能dump一个tensor，为了自动收集所有npy文件，具体执行操作如下：

1. 执行lt > gpu_dump命令将所有tensor的名称暂存到自定义名称的gpu_dump文件里。命令行中会有如下回显。

   Wrote output to tensor_name

2. 重新开启一个命令行窗口，在新的命令行窗口进入gpu_dump文件所在目录（默认在训练脚本所在目录），执行下述命令，用以生成在tfdbg命令行执行的命令。

   timestamp=$[$(date +%s%N)/1000] ; cat gpu_dump | awk '{print "pt",$4,$4}' | awk '{gsub("/", "_", $3);gsub(":", ".", $3);print($1,$2,"-n 0 -w "$3".""'$timestamp'"".npy")}'

3. 复制所有生成的存储tensor的命令（所有以“pt”开头的命令），回到tfdbg命令行视图所在窗口，粘贴执行，即可存储所有npy文件。存储路径为训练脚本所在目录。
   npy文件默认是以numpy.save()形式存储的，上述命令会将“/”与“:”用下划线_替换。

   

   如果命令行界面无法粘贴文件内容，可以在tfdbg命令行中输入“mouse off”指令关闭鼠标模式后再进行粘贴。

4. 检查生成的npy文件命名是否符合{op_name}.{output_index}.{timestamp}.npy格式，如图3所示。
   

   • 如果因算子名较长，造成按命名规则生成的npy文件名超过255字符而产生文件名异常，这类算子不支持精度比对。
   • 因tfdbg自身原因或运行环境原因，可能存在部分生成的npy文件名不符合精度比对要求，请按命名规则手工重命名。如果不符合要求的npy文件较多，请参见批量处理生成的npy文件名异常情况重新生成npy文件。
   • npy文件命名各字段详细介绍请参见数据格式要求。
   图3 查询.npy文件