命令格式说明

-m

--my_dump_path

基于昇腾AI处理器运行生成的数据文件所在目录。

由于dump数据文件是多个二进制文件，故须指定dump数据文件所在的父目录。如：$HOME/MyApp_mind/resnet50，其中resnet50文件夹下直接保存dump数据文件。

训练场景下：

• 支持TensorFlow为原始训练网络的比对。
• 单个数据文件比对时，需指定数据文件所在的具体目录。
• 支持多个dump数据文件的批量比对，可指定固定路径为dump_path/time/，仅支持TensorFlow为原始训练网络的比对。指定的路径下可以存放多个dump数据文件，但要求每个dump数据文件拥有唯一路径，且路径命名规则为dump_path/time/device_id/model_name/model_id/dump_step/dump文件。

是

-g

--golden_dump_path

基于GPU/CPU运行生成的原始网络数据文件所在目录。

由于npy数据文件是多个npy文件，故须指定npy数据文件所在的父目录。如：$HOME/Standard_caffe/resnet50 ，其中resnet50文件夹下直接保存npy数据文件。

当指定-cf参数时，该参数指定的就是模型转换关闭算子融合下dump数据文件的目录。

是

-f

--fusion_rule_file

全网层信息文件。

推理场景下：

• 通过使用ATC转换.om模型文件生成的json文件，文件包含整网算子的映射关系。
• 该参数指定的是默认开启算子融合情况下进行模型转换时生成的json文件；指定关闭算子融合情况下进行模型转换时生成的json文件使用-cf参数。

训练场景下：

• 通过使用ATC转换.txt图文件生成的json文件。
• 单个数据文件比对时，该参数需指定具体的json文件；批量比对时，该参数可指定为多个json文件所在的目录。

否

-cf

--close_fusion_rule_file

全网层信息文件（通过使用ATC转换.om模型文件生成的json文件，文件包含关闭算子融合功能情况下整网算子的映射关系）。

本参数详细使用指导请参见比对操作和分析。

仅推理场景支持本参数。

否

-q

--quant_fusion_rule_file

量化信息文件（昇腾模型压缩输出的json文件）。

通过AMCT量化生成的量化信息文件（*.json），文件包含整网量化算子映射关系，用于精度比对时算子匹配。

Caffe非量化原始模型 vs 量化离线模型场景时，与-f参数二选一；Caffe非量化原始模型 vs 量化原始模型场景时，仅使用本参数。

仅推理场景支持本参数。

否

-out

--output

比对数据结果存放路径，默认为当前路径。

训练场景下：

• 单个数据文件比对时，结果文件名格式为result_{timestamp}.csv。
• 多个数据文件比对时，结果文件名格式为{device_id}_{model_name}_{dump_step}_result_{timestamp}.csv，批量比对将生成多个csv结果文件。

否

-map

--mapping

输出GPU/NPU的映射表。

一般情况下GPU/NPU的映射表需要在完成精度比对之后，才能从csv中获取。本参数实现在精度比对前，直接提取GPU/NPU的映射表。建议在比对数据量太大，需要提前获取GPU/NPU的映射表的场景下使用。详细操作请参见GPU/NPU映射表获取。

否

-c

--custom_script_path

用户自定义脚本文件存放路径，包括自定义算法.py文件和自定义Format转换.py文件，需指定到脚本目录的上一层目录。指定本参数时判断是否存在以下文件目录：

• 存在自定义算法.py文件目录，目录格式为“algorithm”，则读取“algorithm”目录下的自定义算法.py文件，生成自定义算法，可通过-alg参数指定为比对算法。自定义算法.py文件相关要求参见自定义算法.py文件准备。
• 存在自定义Format转换.py文件目录，目录格式为“format_convert”，则读取“format_convert”目录下的自定义Format转换.py文件。自定义Format转换.py文件相关要求参见准备自定义Format转换.py文件。

不建议调用与当前用户不一致的其它用户目录下的自定义脚本文件，避免提权风险。

否

-alg

--algorithm

比对算法维度，取值为：

• 0：CosineSimilarity，表示余弦相似度算法。
• 1：MaxAbsoluteError，表示最大绝对误差算法。
• 2：AccumulatedRelativeError，表示累积相对误差算法。
• 3：RelativeEuclideanDistance，表示欧氏相对距离算法。
• 4：KullbackLeiblerDivergence，表示KL散度算法。
• 5：StandardDeviation，表示标准差算法。
• 6：MeanAbsoluteError，表示平均绝对误差。
• 7：RootMeanSquareError，表示均方根误差。
• 8：MaxRelativeError，表示最大相对误差。
• 9：MeanRelativeError，表示平均相对误差。
• all：比对全部算法（包含自定义和内置算法），all为默认值。
• 自定义算法名（algorithm_name）。具体算法名由自定义算法文件确定，例如自定义算法文件名为alg_RelativeError.py，则自定义算法名为RelativeError。须同时配置-c参数。

可多选，配置格式为各取值间用逗号分隔，可配置为数字或算法名，例如0,1,2,RelativeError。

若只选择比对部分维度，则比对结果同样只展示对应维度。

否

-a

--algorithm_options

比对算法的高级选项，可为指定的算法设置参数，指定的算法必须是-alg参数的内置算法或者-c参数的自定义算法，被本参数设置后的算法以本参数设置的值执行运算。

输入格式为：算法名:参数名=值,参数名=值;算法名:参数名=值,参数名=值。参数之间是逗号分隔，不同算法是分号分隔，例如："CosineSimilarity:max=1,min=0;aa:max=1,min=0"。其中算法名与-c参数自定义算法.py文件的algorithm_name（参见自定义算法.py文件准备）一致。

否

-v

--version

dump文件类型，1代表protobuf序列化后的数据文件，2代表自定义格式的数据文件。默认取2。

否

-r

--range

设定算子比对范围。配置方式如下：

• start：第一个比对的算子，取值范围为[1, 参与计算的算子个数]，默认值为1。
• end：最后一个比对的算子，取值范围为-1或[start, 参与计算的算子个数]，默认值为-1（动态获取网络模型中最后一个参与计算的算子）。
• step：第start+step*n个比对的算子，step取值范围为[1, 参与计算的算子个数)，默认值为1，n为从1开始的正整数。

配置格式为：“start,end,step”。比如：-r 1,101,20，表示算子1,21,41,61,81,101的Tensor参与比对。

不配置本参数时，比对网络模型中的所有参与计算的算子。

Caffe非量化原始模型 vs 量化原始模型和Ascend vs Ascend精度比对场景不支持配置本参数。

须先配置-f或-cf参数指定离线模型全网层信息文件。

-s参数与-r参数二者只能选择一个配置。

否

-s

--select

设定算子比对范围。通过指定算子的索引（网络模型中算子的ID）来选择需要比对的算子，格式为：-s 1,2,3（数值之间以逗号隔开，取值与网络模型中算子的ID有关）。

须先配置-f或-cf参数指定离线模型全网层信息文件。

-s参数与-r参数二者只能选择一个配置。

否

-max

--max_cmp_size

设置每个dump数据比对的最大字节数，用于精度比对过程提速，默认0（表示全量比较），单位Byte。当模型中算子的输出存在较大Shape时、比较过于耗时，可以尝试配置。

否

-overflow_detection

整网算子溢出检测。进行整网比对时可检测溢出算子。

默认未开启算子溢出检测。

当算子的Tensor数据类型是fp16时，tensor中的任意一个数值的绝对值 >= 65504，认为算子溢出。

Caffe非量化原始模型 vs 量化原始模型场景配置本参数不生效。

否

-op

--op_name

单算子比对的算子名。输入待比对算子名，算子名获取方式有：

• 推理场景下：
  • 从.om模型中获取。
  • 从使用ATC转换.om模型文件生成的json文件中获取。
  • 从整网比对结果文件中的NPUDump字段获取。
• 训练场景下：
  • 直接从训练模型中获取。
  • 从计算图文件（*.txt）中获取。
  • 从整网比对结果文件中的NPUDump字段获取。

是

-o

--output_tensor

比对指定Index的output数据。

配置格式：-o Index，其中Index可以从整网比对结果文件中的TensorIndex字段的output取值获取，例如TensorIndex为trans_Cast_0:input:0，则Index为0。

当-o与-i均未配置时，默认比对output数据的Index为0的数据。

配置-op时有效，与-i参数互斥。

否

-i

--input_tensor

比对指定Index的input数据。

配置格式：-i Index，其中Index可以从整网比对结果文件中的TensorIndex字段的input取值获取，例如TensorIndex为trans_Cast_0:input:0，则Index为0。

配置-op时有效，与-o参数互斥。

否

-n

--topn

仅展示绝对误差和相对误差的前n条数据，比对完成后打屏展示并生成csv结果文件，取值范围为[1,10000]，默认值为20。配置-op时有效。

生成的csv结果文件名分别为：

• 绝对误差：{op_name}_{input/output}_{index}_absolute_error_topn.csv
• 相对误差：{op_name}_{input/output}_{index}_relative_error_topn.csv

否

--ignore_single_op_result

csv结果文件中不生成单算子比对的完整比对数据，即不生成完整比对结果的csv文件。配置-op时有效。

不配置本参数时，生成完整比对结果。

否

-ml

--max_line

单算子比对时生成的单个csv文件所包含最大的文件条数，取值范围为[10000,1000000]，默认值为1000000。

文件中单算子的比对结果数据条数较大时，配置本参数可以将csv文件拆分为多个文件。比如数据条数为100000条，配置本参数为10000，那么比对结果则输出10个csv文件。

配置-op时有效，但配置--ignore_single_op_result时，本参数不生效。

否