mindspore.utils

mindspore.utils.stress_detect(detect_type='aic')

此接口将在后续版本中废弃，请使用接口 mindspore.tools.stress_detect() 代替。

参数：

• detect_type (str，可选) - 进行压测的类型。有两种可选：'aic' 和 'hccs'，分别会对设备进行AiCore和HCCS链路压测。默认 'aic'。

返回：

int。返回值代表错误类型，0表示正常；1表示精度检测用例执行失败；2表示硬件故障，建议更换设备。

支持平台：

Ascend

样例：

>>> from mindspore.utils import stress_detect
>>> ret = stress_detect()
>>> print(ret)
0

mindspore.utils.dlpack.from_dlpack(dlpack)

将DLPack对象转换为MindSpore Tensor。

此函数允许从其他支持DLPack的深度学习框架共享张量数据。 数据不会被复制，返回的MindSpore Tensor与源张量共享内存。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• dlpack (PyCapsule) - 要转换的DLPack对象，它是一个包含指向 DLManagedTensor 的指针的capsule。

返回：

Tensor, 与DLPack对象共享内存的MindSpore Tensor。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore.utils.dlpack import to_dlpack, from_dlpack
>>> import numpy as np
>>> # Create a MindSpore Tensor and convert it to DLPack
>>> x = ms.Tensor(np.random.rand(2, 3), ms.float32)
>>> dlpack_obj = to_dlpack(x)
>>>
>>> # Convert the DLPack object back to a MindSpore Tensor
>>> y = from_dlpack(dlpack_obj)
>>> print(x.shape == y.shape)
True

mindspore.utils.dlpack.to_dlpack(tensor)

将MindSpore的Tensor转换为DLPack对象。

DLPack格式是在不同深度学习框架之间共享张量数据的标准。 返回的DLPack对象是一个Python capsule，可以被其他支持DLPack的库使用。 该capsule包含一个指向 DLManagedTensor 结构的指针。DLPack对象的使用者负责释放内存。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• tensor (Tensor) - 要转换的MindSpore Tensor。

返回：

PyCapsule, 一个可以被其他库使用的DLPack对象。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore.utils.dlpack import to_dlpack, from_dlpack
>>> import numpy as np
>>> # Convert a MindSpore Tensor to DLPack
>>> x = ms.Tensor(np.random.rand(2, 3), ms.float32)
>>> dlpack_obj = to_dlpack(x)
>>>
>>> # At this point, dlpack_obj can be used by other frameworks that support DLPack.
>>> # For demonstration, we convert it back to a MindSpore Tensor.
>>> y = from_dlpack(dlpack_obj)
>>> print(x.shape == y.shape)
True

mindspore.utils.dryrun.set_simulation()

用于设置dryrun功能开启。dryrun功能主要用于模拟大模型的实际运行，开启后可以在不占卡的情况下模拟出显存占用，编译信息等。 在PyNative场景下开启后，若存在从device取值到host的场景，会打印出Python调用栈日志，告知用户这些值是不准确的。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore.utils import dryrun
>>> import numpy as np
>>> dryrun.set_simulation()
>>> print(os.environ.get('MS_SIMULATION_LEVEL'))
1

mindspore.utils.dryrun.mock(mock_val, *args)

在网络中若一些if判断需要用到实际执行值，虚拟执行无法获取，可以使用该接口返回模拟值。实际执行时可以获取到正确结果，返回执行值。

参数：

• mock_val (Union[Value, Tensor]) - 虚拟执行场景下，想要输出的值。

• args (Union[Value, function]) - 期望被mock掉的值，可以是函数或者变量。

返回：

开启dryrun功能，返回静态模拟值（mock_val），否则返回实际执行结果（args）。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> from mindspore.utils import dryrun
>>> import numpy as np
>>> dryrun.set_simulation()
>>> a = ms.Tensor(np.random.rand(3, 3).astype(np.float32))
>>> if dryrun.mock(True, a[0, 0] > 0.5):
...     print("return mock_val: True.")
return mock_val: True
>>>
>>> import mindspore as ms
>>> from mindspore.utils import dryrun
>>> import numpy as np
>>> a = ms.Tensor(np.ones((3, 3)).astype(np.float32))
>>> if dryrun.mock(False, a[0, 0] > 0.5):
...     print("return real execution: True.")
return real execution: True.
>>>
>>> import mindspore as ms
>>> from mindspore.utils import dryrun
>>> import numpy as np
>>> a = ms.Tensor(np.ones((3, 3)).astype(np.float32))
>>> if dryrun.mock(False, (a > 0.5).any):
...     print("return real execution: True.")
return real execution: True.

mindspore.utils.sdc_detect_start()

此接口将在后续版本中废弃，请使用接口 mindspore.tools.sdc_detect_start() 代替。

支持平台：

Ascend

样例：

>>> from mindspore.utils import sdc_detect_start
>>> sdc_detect_start()

mindspore.utils.sdc_detect_stop()

此接口将在后续版本中废弃，请使用接口 mindspore.tools.sdc_detect_stop() 代替。

支持平台：

Ascend

样例：

>>> from mindspore.utils import sdc_detect_stop
>>> sdc_detect_stop()

mindspore.utils.get_sdc_detect_result()

此接口将在后续版本中废弃，请使用接口 mindspore.tools.get_sdc_detect_result() 代替。

返回：

bool，表示在检测开启后是否发生静默数据错误。

支持平台：

Ascend

样例：

>>> from mindspore.utils import get_sdc_detect_result
>>> result = get_sdc_detect_result()
>>> print(result)
False