常见问题

查看源文件

MindSpore官网提供了一份在使用MindSpore过程中的 FAQ ,本章也整理了一下在迁移文档中提及的常见问题及解决方法。

  • 环境准备

    Q: 如何搭建MindSpore环境?

    A: MindSpore目前支持在昇腾、GPU、CPU等多种设备上运行,但在安装过程中需要注意选择配套的硬件平台、操作系统、Python版本,否则会出现很多不可预测的报错。详细可参考 安装指导

    更多环境准备常见问题请参考 环境准备常见问题分析

  • 模型分析与准备

    Q: 如何查看MindSpore对迁移代码中的API支持程度?

    A: 可以使用API自动扫描工具MindSpore Dev Toolkit(推荐),或手动查询API映射表进行分析。详细可参考 分析API满足度

  • 数据处理

    Q: 怎么将PyTorch的`dataset`转换成MindSpore的`dataset`?

    A: MindSpore和PyTorch的自定义数据集逻辑是比较类似的,首先需要用户先定义一个自己的 dataset 类,该类负责定义 __init____getitem____len__ 来读取自己的数据集,然后将该类实例化为一个对象(如: dataset/dataset_generator ),最后将这个实例化对象传入 GeneratorDataset (mindspore用法)/ DataLoader (pytorch用法),至此即可以完成自定义数据集加载了。

    而MindSpore在 GeneratorDataset 的基础上提供了进一步的 map -> batch 操作,可以很方便地让用户在 map 内添加一些其他的自定义操作,并将其 batch 起来。

    对应的MindSpore的自定义数据集加载如下:

    # 1 Data enhancement,shuffle,sampler.
    class Mydata:
        def __init__(self):
            np.random.seed(58)
            self.__data = np.random.sample((5, 2))
            self.__label = np.random.sample((5, 1))
        def __getitem__(self, index):
            return (self.__data[index], self.__label[index])
        def __len__(self):
            return len(self.__data)
    dataset_generator = Mydata()
    dataset = ds.GeneratorDataset(dataset_generator, ["data", "label"], shuffle=False)
    # 2 Customized data enhancement
    dataset = dataset.map(operations=pyFunc, {other_params})
    # 3 batch
    dataset = dataset.batch(batch_size, drop_remainder=True)
    

    Q: 为什么在迭代数据的时候会报错:“The actual amount of data read from generator xx is different from generator.len xx, you should adjust generator.len to make them match” ?

    A: 在定义可随机访问数据集时, __len__ 方法返回的结果一定要是真实的数据集大小,设置大了在 __getitem__ 取值时会有越界问题。如数据集大小未确定,可以使用可迭代数据集,详见 自定义数据集

    Q: 为什么在迭代数据的时候会报错:“Invalid Python function, the ‘source’ of ‘GeneratorDataset’ should return same number of NumPy arrays as specified in column_names, the size of column_names is:xx and number of returned NumPy array is:xx” ?

    A: 这是因为GeneratorDataset的 column_names 参数指定的列名数量与 source 参数输出的数据数量不匹配。

    Q: 使用 GeneratorDataset 或 map 进行加载/处理数据时,可能会因为语法错误、计算溢出等问题导致数据报错,如何进行排查和调试?

    A: 观察报错栈信息,由报错栈信息大概定位到出错代码块,在出错的代码块附近添加打印或调试点,进一步调试。详细可参考 数据处理调试方法一

    Q: 数据增强 map 操作出错,如何调试 map 操作中各个数据处理算子?

    A: 可以通过单个算子执行的方式调试或者通过数据管道调试模式调试 map 操作。详细可参考 数据处理调试方法二

    Q: 在训练的时候,会获得非常多warning提示我们数据集性能较慢应该怎么处理?

    A: 可以单独迭代数据集,查看每条数据的处理时间,以此判断数据集的性能如何。详细可参考 数据处理调试方法三

    Q: 在对数据进行处理的过程中,如果因为计算错误、数值溢出等因素,产生了异常的结果数值,从而导致训练网络时算子计算溢出、权重更新异常等问题该怎么排查?

    A: 关闭混洗,固定随机种子,确保可重现性,然后利用NumPy等工具快速校验结果。详细可参考 数据处理调试方法四

    更多数据处理常见问题请参考 数据处理常见问题分析 以及迁移中的数据处理差异请参考 MindSpore和PyTorch的数据处理差异

  • 梯度求导

    Q: 如何自己实现算子的反向计算?

    A: MindSpore提供了自动的梯度求导接口,该功能对用户屏蔽了大量的求导细节和过程。但如果有某些特殊场景,用户需要手动控制其反向的计算,用户也可以通过Cell.bprop接口对其反向进行定义。详细可参考 自定义Cell反向

    Q: 如何处理梯度溢出造成训练不稳定的问题?

    A: 网络溢出一般表现为loss Nan/INF,loss突然变得很大等。MindSpore提供 dump数据 获取到溢出算子信息。当网络中出现梯度下溢时,可使用loss scale配套梯度求导使用,详细可参考 loss scale ;当网络出现梯度爆炸时,可考虑添加梯度裁剪,详细可参考 梯度裁剪

  • 调试调优

    Q: 请问想加载PyTorch预训练好的模型用于MindSpore模型finetune有什么方法?

    A: 需要把PyTorch和MindSpore的参数进行一一对应,因为网络定义的灵活性,所以没办法提供统一的转化脚本。

    一般情况下,CheckPoint文件中保存的就是参数名和参数值,调用相应框架的读取接口后,获取到参数名和数值后,按照MindSpore格式,构建出对象,就可以直接调用MindSpore接口保存成MindSpore格式的CheckPoint文件了。

    其中主要的工作量为对比不同框架间的parameter名称,做到两个框架的网络中所有parameter name一一对应(可以使用一个map进行映射),下面代码的逻辑转化parameter格式,不包括对应parameter name。

    import torch
    import mindspore as ms
    
    def pytorch2mindspore(default_file = 'torch_resnet.pth'):
        # read pth file
        par_dict = torch.load(default_file)['state_dict']
        params_list = []
        for name in par_dict:
            param_dict = {}
            parameter = par_dict[name]
            param_dict['name'] = name
            param_dict['data'] = ms.Tensor(parameter.numpy())
            params_list.append(param_dict)
        ms.save_checkpoint(params_list,  'ms_resnet.ckpt')
    

    Q: loss不收敛或精度不达标,该怎么定位?

    A: 精度不达标一般体现在loss不收敛上。但是有很多复杂的原因可导致精度达不到预期,定位难度较大。这里提供几个指导链接供用户逐一排查问题。

    MindSpore模型精度调优实战(一)精度问题的常见现象、原因和简要调优思路

    MindSpore模型精度调优实战(二)精度调试调优思路

    MindSpore模型精度调优实战(三)常见精度问题简介

    更多调试调优常见问题请参考 调优常见问题及解决办法

    Q: 模型训练过程中,第一个step耗时很长,该怎么优化?

    A: 模型训练过程中,第一个step包含网络编译时长,如果想要优化第一个step的性能,可分析模型编译是否能进行优化。详细可参考 静态图网络编译性能优化

    Q: 模型训练过程中,非首个step耗时很长,该怎么优化?

    A: 模型训练过程中,非首个step的耗时包括迭代间隙、前反向计算和迭代拖尾,如果想要优化非首step的性能,需要先获取网络的迭代轨迹,再分析哪部分是性能瓶颈,最近进行性能优化。

    详细可参考 性能调优指南 ;和 性能调试案例

    Q: 加载标杆权重进行模型推理验证正向流程时,有warning警告显示权重未加载成功,该如何解决?

    A: load_checkpoint过程中,如果有权重未加载上,MindSpore会给出warning提示,一般加载失败有两种原因:1、权重名称对不上;2、权重在网络中缺失。

    如果权重名称对不上,需要打印MindSpore的权重名称和标杆的权重名称,看是否MindSpore的权重名称多了backbone或network等前缀,如果是,检查MindSpore在初始化 Cell 时是否加上auto_prefix=False。

    如果权重名称缺失,需要分析是否合理,如果合理,可忽略告警提示,如果不合理,需要分析网络定义是否错误,进行定位修改。

    Q: 迁移过程使用PyNative进行调测,流程成功,切换成Graph模式,为什么会出现一堆的报错?

    A: PyNative模式下模型进行推理的行为与一般Python代码无异。但是切换成Graph模式时,MindSpore通过源码转换的方式,将Python的源码转换成中间表达IR(Intermediate Representation),并在此基础上对IR图进行优化,最终在硬件设备上执行优化后的图。

    而这一步操作中MindSpore目前还未能支持完整的Python语法全集,所以construct函数的编写会存在部分限制。

    如:PyNative模式下可直接判断某个Tensor值是否为0,但切换成Graph模式则会报错不支持。

    if response == 0:
        return loss
    return loss/response
    

    遇到类似情况,可将代码修改为:

    response_gt = max(response, ms.Tensor(1))
    loss = loss/response_gt
    return loss
    

    详细可参考 静态图语法支持

    Q: 训练过程中出现报错:“RuntimeError: Launch kernel failed, name:Default/…” 怎么办?

    A: 这类报错一般是MindSpore不支持某个算子,可能需要用户自己实现该算子。详细可参考 PyTorch与MindSpore API映射表

    Q: PyNative动态图迁移过程中出现报错,该怎么有效地定位到报错原因?

    A: 如果遇到动态图问题,可以设置mindspore.set_context(pynative_synchronize=True)查看报错栈协助定位。详细可参考 pynative_synchronize说明

    Q: Graph模式静态图训练过程中出现报错,该怎么有效地定位到报错原因?

    A: 引发静态图报错的原因很多,一般失败会有日志打印,如果不能直观地从日志中获取报错信息,可通过export GLOG_v=1指定日志级别获取更详细的报错信息进行分析。

    同时计算图编译发生报错时,会自动保存analyze_failed.ir文件,可帮助分析报错代码的位置。详细可参考 静态图模式错误分析

    Q: Graph模式静态图训练过程中出现Out Of Memory报错,怎么办?

    A: 出现该报错可能有两个原因:1、资源被占用;2、显存不够。

    当资源被占用时,可通过pkill -9 python释放资源,再重新训练。

    当显存不够时,可尝试降低batch_size;分析内存查看是否通信算子太多导致整体内存复用率较低。

    详细可参考 资源不够问题分析

    更多调优常见问题请参考 执行问题