# Dump功能调试
## 概述
为了对训练过程进行分析,用户需要感知训练过程中算子的输入和输出数据。
- 对于静态图模式,MindSpore提供了Dump功能,用来将模型训练中的图以及算子的输入输出数据保存到磁盘文件。
- 对于动态图模式,MindSpore提供了Python原生执行能力,用户可以在网络脚本运行过程中查看记录相应的输入输出。
本文针对静态图模式,介绍如何基于Dump功能对网络数据进行分析对比。
### 调试过程
使用Dump来帮助调试分为两个步骤:1、数据准备;2、数据分析。
#### 数据准备
数据准备阶段使用同步Dump或异步Dump来生成Dump数据。使用方法详见[同步Dump操作步骤](#同步dump操作步骤)和[异步Dump操作步骤](#异步dump操作步骤)。
在准备数据时,您可以参考以下最佳实践:
1. 设置`iteration`参数,仅保存出现问题的迭代和前一个迭代这两个迭代的数据。例如,要分析的问题会在第10个迭代(从1开始数)出现,则可以这样设置:`"iteration": "8|9"`。请注意`iteration`参数从0开始计算迭代数。保存上述两个迭代的数据能够支撑大多数场景的问题分析。
2. 在出现问题的迭代执行完毕后,建议您通过[run_context.request_stop()](https://www.mindspore.cn/docs/zh-CN/r2.0.0-alpha/api_python/train/mindspore.train.RunContext.html#mindspore.train.RunContext.request_stop)等方法提前结束训练。
#### 数据分析
如果用户已经安装了MindInsight, 可以使用MindInsight的离线调试器来分析。离线调试器的使用方法详见[使用离线调试器](https://www.mindspore.cn/mindinsight/docs/zh-CN/r2.0.0-alpha/debugger_offline.html) 。
如果没有安装MindInsight,需要通过以下步骤来分析数据。
1. 从脚本找到对应的算子
使用Dump功能将自动生成最终执行图的IR文件(IR文件中包含了算子全名,和算子在计算图中输入和输出的依赖,也包含从算子到相应脚本代码的Trace信息),IR文件可以用`vi`命令查看,Dump功能的配置见[同步Dump操作步骤](#同步dump操作步骤)和[异步Dump操作步骤](#异步dump操作步骤),Dump输出的目录结构见[同步Dump数据对象目录](#同步dump数据对象目录)和[异步Dump数据对象目录](#异步dump数据对象目录)。然后通过图文件找到脚本中代码对应的算子,参考[同步Dump数据分析样例](#同步dump数据分析样例)和[异步Dump数据分析样例](#异步dump数据分析样例)。
2. 从算子到Dump数据
在了解脚本和算子的映射关系后,可以确定想要分析的算子名称,从而找到算子对应的dump文件,参考[同步Dump数据对象目录](#同步dump数据对象目录)和[异步Dump数据对象目录](#异步dump数据对象目录)。
3. 分析Dump数据
通过解析Dump数据,可以与其他第三方框架进行对比。同步Dump数据格式参考[同步Dump数据文件介绍](#同步dump数据文件介绍),异步Dump数据格式参考[异步Dump数据文件介绍](#异步dump数据文件介绍)。
### 适用场景
1. 静态图算子结果分析。
通过Dump功能获得的IR图,可以了解脚本代码与执行算子的映射关系(详情见[MindSpore IR简介](https://www.mindspore.cn/docs/zh-CN/r2.0.0-alpha/design/mindir.html#简介))。结合执行算子的输入和输出数据,可以分析训练过程中可能存在的溢出、梯度爆炸与消失等问题,反向跟踪到脚本中可能存在问题的代码。
2. 特征图分析。
通过获取图层的输出数据,分析特征图的信息。
3. 模型迁移。
在将模型从第三方框架(TensorFlow、PyTorch)迁移到MindSpore的场景中,通过比对相同位置算子的输出数据,分析第三方框架和MindSpore对于同一模型的训练结果是否足够接近,来定位模型的精度问题。
## Dump功能说明
MindSpore提供了同步Dump与异步Dump两种模式:
- 同步Dump的机制是在网络训练过程中每个step执行结束后, Host侧发起Dump动作,从Device上拷贝算子地址里面的数据到Host,并保存文件。同步Dump会默认关闭算子间的内存复用,避免读到脏数据。
- 异步Dump是专门针对Ascend整图下沉而开发的功能,可以一边执行算子一边dump数据,一个算子执行结束后立即dump数据,因此开启内存复用也可以生成正确的数据,但是相应的网络训练的速度会较慢。
不同模式所需要的配置文件和dump出来的数据格式不同:
- 在Ascend上开启同步Dump的时候,待Dump的算子会自动关闭内存复用。
- 同步Dump目前支持Ascend、GPU和CPU上的图模式,暂不支持PyNative模式。
- 异步Dump仅支持Ascend上的图模式,不支持PyNative模式。开启异步Dump的时候不会关闭内存复用。
- 默认使用用异步Dump模式,如果要使用同步Dump模式,需要在配置文件中设置"e2e_dump_settings"。
- Dump暂不支持异构训练,如果在异构训练场景启用Dump,生成的Dump数据对象目录可能不符合预期的目录结构。
## 同步Dump
### 同步Dump操作步骤
1. 创建json格式的配置文件,JSON文件的名称和位置可以自定义设置。
```json
{
"common_dump_settings": {
"dump_mode": 0,
"path": "/absolute_path",
"net_name": "ResNet50",
"iteration": "0|5-8|100-120",
"saved_data": "tensor",
"input_output": 0,
"kernels": ["Default/Conv-op12"],
"support_device": [0,1,2,3,4,5,6,7]
},
"e2e_dump_settings": {
"enable": true,
"trans_flag": true
}
}
```
- `dump_mode`:设置成0,表示Dump出该网络中的所有算子数据;设置成1,表示Dump`"kernels"`里面指定的算子数据。
- `path`:Dump保存数据的绝对路径。
- `net_name`:自定义的网络名称,例如:"ResNet50"。
- `iteration`:指定需要Dump数据的迭代。类型为str,用“|”分离要保存的不同区间的step的数据。如"0|5-8|100-120"表示Dump第1个,第6个到第9个, 第101个到第121个step的数据。指定“all”,表示Dump所有迭代的数据。
- `saved_data`: 指定Dump的数据。类型为str,取值成"tensor",表示Dump出完整张量数据;取值成"statistic",表示只Dump张量的统计信息;取值"full"代表两种都要。同步Dump统计信息现只支持GPU场景,CPU或Ascend场景若选"statistic"或"full"便会错误退出。默认取值为"tensor"。
- `input_output`:设置成0,表示Dump出算子的输入和算子的输出;设置成1,表示Dump出算子的输入;设置成2,表示Dump出算子的输出。
- `kernels`:算子的名称列表。开启IR保存开关`set_context(save_graphs=True)`并执行用例,从生成的IR文件`trace_code_graph_{graph_id}`中获取算子名称。详细说明可以参照教程:[如何保存IR](https://www.mindspore.cn/tutorials/experts/zh-CN/r2.0.0-alpha/debug/mindir.html#如何保存ir)。
需要注意的是,是否设置`set_context(save_graphs=True)`可能会导致同一个算子的id不同,所以在Dump指定算子时要在获取算子名称之后保持这一项设置不变。或者也可以在Dump保存的`ms_output_trace_code_graph_{graph_id}.ir`文件中获取算子名称,参考[同步Dump数据对象目录](#同步dump数据对象目录)。
- `support_device`:支持的设备,默认设置成0到7即可;在分布式训练场景下,需要dump个别设备上的数据,可以只在`support_device`中指定需要Dump的设备Id。该配置参数在CPU上无效,因为CPU下没有device这个概念,但是在json格式的配置文件中仍需保留该字段。
- `enable`:设置成true,表示开启同步Dump;设置成false时,在Ascend上会使用异步Dump,在GPU上仍然使用同步Dump。
- `trans_flag`:开启格式转换。将设备上的数据格式转换成NCHW格式。若为`True`,则数据会以Host侧的4D格式(NCHW)格式保存;若为`False`,则保留Device侧的数据格式。该配置参数在CPU上无效,因为CPU上没有format转换,但是在json格式的配置文件中仍需保留该字段。
2. 设置Dump环境变量。
指定Dump的json配置文件。
```bash
export MINDSPORE_DUMP_CONFIG=${xxx}
```
其中"xxx"为配置文件的绝对路径,如:
```bash
export MINDSPORE_DUMP_CONFIG=/path/to/data_dump.json
```
如果Dump配置文件没有设置`path`字段或者设置为空字符串,还需要配置环境变量`MS_DIAGNOSTIC_DATA_PATH`。
```bash
export MS_DIAGNOSTIC_DATA_PATH=${yyy}
```
则“$MS_DIAGNOSTIC_DATA_PATH/debug_dump”就会被当做`path`的值。若Dump配置文件中设置了`path`字段,则仍以该字段的实际取值为准。
注意:
- 在网络脚本执行前,设置好环境变量;网络脚本执行过程中设置将会不生效。
- 在分布式场景下,Dump环境变量需要在调用`mindspore.communication.init`之前配置。
3. 启动网络训练脚本。
训练启动后,若正确配置了`MINDSPORE_DUMP_CONFIG`环境变量,则会读取配置文件的内容,并按照Dump配置中指定的数据保存路径保存算子数据。
同步模式下,GPU环境如果要Dump数据,必须采用非数据下沉模式(设置`model.train`或`DatasetHelper`中的`dataset_sink_mode`参数为`False`),以保证可以获取每个step的Dump数据。
若脚本中都不调用`model.train`或`DatasetHelper`,则默认为非数据下沉模式。使用Dump功能将自动生成最终执行图的IR文件。
可以在训练脚本中设置`set_context(reserve_class_name_in_scope=False)`,避免Dump文件名称过长导致Dump数据文件生成失败。
4. 通过`numpy.load`读取和解析同步Dump数据,参考[同步Dump数据文件介绍](#同步dump数据文件介绍)。
### 同步Dump数据对象目录
启动训练后,同步Dump保存的数据对象包括最终执行图(`ms_output_trace_code_graph_{graph_id}.ir`文件)以及图中算子的输入和输出数据,数据目录结构如下所示:
```text
{path}/
- rank_{rank_id}/
- .dump_metadata/
- {net_name}/
- {graph_id}/
- {iteration_id}/
statistic.csv
{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}.{input_output_index}.{slot}.{format}.npy
- constants/
Parameter.data-{data_id}.0.0.{timestamp}.output.0.DefaultFormat.npy
...
- graphs/
ms_output_trace_code_graph_{graph_id}.pb
ms_output_trace_code_graph_{graph_id}.ir
- execution_order/
ms_execution_order_graph_{graph_id}.csv
ms_global_execution_order_graph_{graph_id}.csv
```
- `path`:`data_dump.json`配置文件中设置的绝对路径。
- `rank_id`: 逻辑卡号。
- `net_name`:`data_dump.json`配置文件中设置的网络名称。
- `graph_id`:训练的图标号。
- `iteration_id`:训练的轮次。
- `op_type`:算子类型。
- `op_name`:算子名称。
- `task_id`:任务标号。
- `stream_id`:流标号。
- `timestamp`:时间戳。
- `input_output_index`:输入或输出标号,例如`output.0`表示该文件是该算子的第1个输出Tensor的数据。
- `slot`:slot标号。
- `format`: 数据格式。
- `data_id`: 常量数据标号。
对于多图网络,由于存在控制流,某些子图可能不会被执行,Dump只保存执行过的节点,所以graphs目录下`.pb`文件名中的{graph_id}并不一定在{net_name}下存在对应的{graph_id}目录。
只当`saved_data`为"statistic"或者"full"时,才会生成`statistic.csv`,当`saved_data`为"tensor"或者"full"时,才会生成`{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}.{input_output_index}.{slot}.{format}.npy`命名的完整张量信息。
### 同步Dump数据文件介绍
同步Dump生成的数据文件是后缀名为`.npy`的文件,文件命名格式为:
```text
{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}.{input_output_index}.{slot}.{format}.npy
```
同步Dump生成的常量数据文件与其他数据文件格式相同,而所有常量数据的{op_type},{task_id},{stream_id},{input_output_index},{slot},{format}不变。注意,非Tensor类型数据不会被生成数据文件。
```text
Parameter.data-{data_id}.0.0.{timestamp}.output.0.DefaultFormat.npy
```
可以用Numpy的`numpy.load`接口读取数据。
同步Dump生成的统计数据文件名为`statistic.csv`,此文件存有相同目录下所有落盘张量(文件名为`{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}.{input_output_index}.{slot}.{format}.npy`)的统计信息。每个张量一行,每行有张量的 Op Type,Op Name,Task ID,Stream ID,Timestamp,IO,Slot,Data Size,Data Type,Shape,Max Value,Min Value,Avg Value,Count,Negative Zero Count,Positive Zero Count,NaN Count,Negative Inf Count,Positive Inf Count,Zero Count。注意,如果用Excel来打开此文件,数据可能无法正确显示。请用`vi`、`cat`等命令查看,或者使用Excel自文本导入csv查看。
同步Dump生成的最终执行图文件后缀名分别为`.pb`和`.ir`,文件命名格式为:
```text
ms_output_trace_code_graph_{graph_id}.pb
ms_output_trace_code_graph_{graph_id}.ir
```
其中以`.ir`为后缀的文件可以通过`vi`命令打开查看。
同步Dump生成的节点执行序文件后缀名为`.csv`,文件命名格式为:
```text
ms_execution_order_graph_{graph_id}.csv
```
图执行历史文件的后缀为`.csv`,文件名格式为:
```text
ms_global_execution_order_graph_{graph_id}.csv
```
此文件记录该图在训练过程中的执行轮次历史。图编译过程中,一张根图可能产生多张子图,但子图与根图具有相同的执行轮次历史。故与图执行序文件不同,此处仅保存根图的图执行历史文件。
`.dump_metadata`记录了训练的原信息,其中`data_dump.json`保存了用户设置的dump配置。
### 同步Dump数据分析样例
为了更好地展示使用Dump来保存数据并分析数据的流程,我们提供了一套[完整样例脚本](https://gitee.com/mindspore/docs/tree/r2.0.0-alpha/docs/sample_code/dump) ,同步Dump只需要执行 `bash run_sync_dump.sh`。
在通过Dump功能将脚本对应的图保存到磁盘上后,会产生最终执行图文件`ms_output_trace_code_graph_{graph_id}.ir`。该文件中保存了对应的图中每个算子的堆栈信息,记录了算子对应的生成脚本。
以[AlexNet脚本](https://gitee.com/mindspore/docs/blob/r2.0.0-alpha/docs/sample_code/dump/train_alexnet.py)为例 :
```python
...
def conv(in_channels, out_channels, kernel_size, stride=1, padding=0, pad_mode="valid"):
weight = weight_variable()
return nn.Conv2d(in_channels, out_channels,
kernel_size=kernel_size, stride=stride, padding=padding,
weight_init=weight, has_bias=False, pad_mode=pad_mode)
def fc_with_initialize(input_channels, out_channels):
weight = weight_variable()
bias = weight_variable()
return nn.Dense(input_channels, out_channels, weight, bias)
def weight_variable():
return TruncatedNormal(0.02)
class AlexNet(nn.Cell):
"""
Alexnet
"""
def __init__(self, num_classes=10, channel=3):
super(AlexNet, self).__init__()
self.conv1 = conv(channel, 96, 11, stride=4)
self.conv2 = conv(96, 256, 5, pad_mode="same")
self.conv3 = conv(256, 384, 3, pad_mode="same")
self.conv4 = conv(384, 384, 3, pad_mode="same")
self.conv5 = conv(384, 256, 3, pad_mode="same")
self.relu = nn.ReLU()
self.max_pool2d = ops.MaxPool(kernel_size=3, strides=2)
self.flatten = nn.Flatten()
self.fc1 = fc_with_initialize(6 * 6 * 256, 4096)
self.fc2 = fc_with_initialize(4096, 4096)
self.fc3 = fc_with_initialize(4096, num_classes)
def construct(self, x):
"""
The construct function.
Args:
x(int): Input of the network.
Returns:
Tensor, the output of the network.
"""
x = self.conv1(x)
x = self.relu(x)
x = self.max_pool2d(x)
x = self.conv2(x)
x = self.relu(x)
x = self.max_pool2d(x)
x = self.conv3(x)
x = self.relu(x)
x = self.conv4(x)
x = self.relu(x)
x = self.conv5(x)
x = self.relu(x)
x = self.max_pool2d(x)
x = self.flatten(x)
x = self.fc1(x)
x = self.relu(x)
x = self.fc2(x)
x = self.relu(x)
x = self.fc3(x)
return x
...
```
如果用户想查看脚本中第175行的代码:
```python
x = self.conv3(x)
```
执行完训练网络后,可以从最终执行图(`ms_output_trace_code_graph_{graph_id}.ir`文件)中查找到该行代码所对应的多个算子信息,例如Conv2D-op12对应的文件内容如下所示:
```text
%20(equivoutput) = Conv2D(%17, %19) {instance name: conv2d} primitive_attrs: {IsFeatureMapInputList: (0), kernel_size: (3, 3), mode: 1, out_channel: 384, input_names: [
x, w], pri_format: NC1HWC0, pad: (0, 0, 0, 0), visited: true, pad_mod: same, format: NCHW, pad_list: (1, 1, 1, 1), precision_flag: reduce, groups: 1, output_used_num:
(1), stream_id: 0, stride: (1, 1, 1, 1), group: 1, dilation: (1, 1, 1, 1), output_names: [output], IsFeatureMapOutput: true, ms_function_graph: true}
: (, ) -> ()
: (, ) -> ()
: full_name_with_scope: (Default/network-WithLossCell/_backbone-AlexNet/conv3-Conv2d/Conv2D-op12)
...
# In file ./tain_alexnet.py(175)/ x = self.conv3(x)/
...
```
以上所示文件内容的各行所表示的含义如下:
- 算子在Host侧(第一行)和Device侧(第二行,有些算子可能不存在)的输入输出情况。从执行图可知,该算子有两个输入(箭头左侧),一个输出(箭头右侧)。
```text
: (, ) -> ()
: (, ) -> ()
```
- 算子名称。从执行图可知,该算子在最终执行图中的完整名称为`Default/network-WithLossCell/_backbone-AlexNet/conv3-Conv2d/Conv2D-op12`。
```text
: (Default/network-WithLossCell/_backbone-AlexNet/conv3-Conv2d/Conv2D-op12)
```
- 算子对应的训练脚本代码。通过搜索要查询的训练脚本代码,可以找到多个匹配的算子。
```text
# In file {Absolute path of model_zoo}/official/cv/alexnet/src/alexnet.py(175)/ x = self.conv3(x)/
```
通过算子名称和输入输出信息,可以查找到唯一对应的Tensor数据文件。比如,若要查看Conv2D-op12算子的第1个输出数据对应的Dump文件,可获取以下信息:
- `operator_name`:`Conv2D-op12`。
- `input_output_index`:`output.0`表示该文件是该算子的第1个输出Tensor的数据。
- `slot`:0,该算子的输出只有一个slot。
在Dump保存的数据对象文件目录下搜索到相应的文件名:
`Conv2D.Conv2D-op12.0.0.1623124369613540.output.0.DefaultFormat.npy`。
还原数据的时候,通过执行:
```python
import numpy
numpy.load("Conv2D.Conv2D-op12.0.0.1623124369613540.output.0.DefaultFormat.npy")
```
生成numpy.array数据。
## 异步Dump
大型网络(如Bert Large)使用同步Dump时会导致内存溢出,MindSpore通过异步Dump提供了大型网络的调试能力。
### 异步Dump操作步骤
1. 创建配置文件`data_dump.json`。
JSON文件的名称和位置可以自定义设置。
```json
{
"common_dump_settings": {
"dump_mode": 0,
"path": "/absolute_path",
"net_name": "ResNet50",
"iteration": "0|5-8|100-120",
"saved_data": "tensor",
"input_output": 0,
"kernels": ["Default/Conv-op12"],
"support_device": [0,1,2,3,4,5,6,7],
"op_debug_mode": 0,
"file_format": "npy"
}
}
```
- `dump_mode`:设置成0,表示Dump出该网络中的所有算子数据;设置成1,表示Dump`"kernels"`里面指定的算子数据;设置成2,表示Dump脚本中通过`set_dump`指定的算子数据,`set_dump`的使用详见[mindspore.set_dump](https://www.mindspore.cn/docs/zh-CN/r2.0.0-alpha/api_python/mindspore/mindspore.set_dump.html) 。
- `path`:Dump保存数据的绝对路径。
- `net_name`:自定义的网络名称,例如:"ResNet50"。
- `iteration`:指定需要Dump的迭代。类型为str,用“|”分离要保存的不同区间的step的数据。如"0|5-8|100-120"表示Dump第1个,第6个到第9个, 第101个到第121个step的数据。指定“all”,表示Dump所有迭代的数据。
- `saved_data`: 指定Dump的数据。类型为str,取值成"tensor",表示Dump出完整张量数据;取值成"statistic",表示只Dump张量的统计信息;取值"full"代表两种都要。异步Dump统计信息只有在`file_format`设置为`npy`时可以成功,若在`file_format`设置为`bin`时选"statistic"或"full"便会错误退出。默认取值为"tensor"。
- `input_output`:设置成0,表示Dump出算子的输入和算子的输出;设置成1,表示Dump出算子的输入;设置成2,表示Dump出算子的输出。
- `kernels`:算子的名称列表。开启IR保存开关`set_context(save_graphs=True)`并执行用例,从生成的`trace_code_graph_{graph_id}`IR文件中获取算子名称。`kernels`仅支持TBE算子、AiCPU算子、通信算子,若设置成通信算子的名称,将会Dump出通信算子的输入算子的数据。详细说明可以参照教程:[如何保存IR](https://www.mindspore.cn/tutorials/experts/zh-CN/r2.0.0-alpha/debug/mindir.html#如何保存ir)。
需要注意的是,是否设置`set_context(save_graphs=True)`可能会导致同一个算子的id不同,所以在Dump指定算子时要在获取算子名称之后保持这一项设置不变。或者也可以在Dump保存的`ms_output_trace_code_graph_{graph_id}.ir`文件中获取算子名称,参考[异步Dump数据对象目录](#异步dump数据对象目录)。
- `support_device`:支持的设备,默认设置成0到7即可;在分布式训练场景下,需要dump个别设备上的数据,可以只在`support_device`中指定需要Dump的设备Id。
- `op_debug_mode`:该属性用于算子溢出调试,设置成0,表示不开启溢出;设置成1,表示开启AiCore溢出检测;设置成2,表示开启Atomic溢出检测;设置成3,表示开启全部溢出检测功能。在Dump数据的时候请设置成0,若设置成其他值,则只会Dump溢出算子的数据。
- `file_format`: dump数据的文件类型,只支持`npy`和`bin`两种取值。设置成`npy`,则dump出的算子张量数据将为host侧格式的npy文件;设置成`bin`,则dump出的数据将为device侧格式的protobuf文件,需要借助转换工具进行处理,详细步骤请参考[异步Dump数据分析样例](#异步dump数据分析样例)。默认取值为`bin`。
2. 设置数据Dump的环境变量。
```bash
export MINDSPORE_DUMP_CONFIG=${Absolute path of data_dump.json}
```
如果Dump配置文件没有设置`path`字段或者设置为空字符串,还需要配置环境变量`MS_DIAGNOSTIC_DATA_PATH`。
```bash
export MS_DIAGNOSTIC_DATA_PATH=${yyy}
```
则“$MS_DIAGNOSTIC_DATA_PATH/debug_dump”就会被当做`path`的值。若Dump配置文件中设置了`path`字段,则仍以该字段的实际取值为准。
- 在网络脚本执行前,设置好环境变量;网络脚本执行过程中设置将会不生效。
- 在分布式场景下,Dump环境变量需要在调用`mindspore.communication.init`之前配置。
3. 执行用例Dump数据。
可以在训练脚本中设置`set_context(reserve_class_name_in_scope=False)`,避免Dump文件名称过长导致Dump数据文件生成失败。
4. 参考[异步Dump数据分析样例](#异步dump数据分析样例)解析Dump数据文件。
注意:
- 若需要dump全量或部分算子,则可以修改json配置文件中的`dump_mode`选项为0或1。
- 使用Dump功能将自动生成最终执行图的IR文件。
### 异步Dump数据对象目录
若配置文件中`file_format`值设置为`npy`,则数据对象目录参考[同步Dump数据对象目录](#同步dump数据对象目录) 。
若未配置`file_format`值或`file_format`值为`bin`,数据对象目录为以下结构。
异步Dump保存的数据对象包括了最终执行图(`ms_output_trace_code_graph_{graph_id}.ir`文件)以及图中算子的输入和输出数据,目录结构如下所示:
```text
{path}/
- rank_{rank_id}/
- .dump_metadata/
- {net_name}/
- {graph_id}/
- {iteration_id}/
statistic.csv
{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}
mapping.csv
- constants/
Parameter.data-{data_id}.0.0.{timestamp}.output.0.DefaultFormat.npy
...
- graphs/
ms_output_trace_code_graph_{graph_id}.pb
ms_output_trace_code_graph_{graph_id}.ir
- execution_order/
ms_execution_order_graph_{graph_id}.csv
ms_global_execution_order_graph_{graph_id}.csv
```
- `path`:`data_dump.json`配置文件中设置的绝对路径。
- `rank_id`: 逻辑卡号。
- `net_name`:`data_dump.json`配置文件中设置的网络名称。
- `graph_id`:训练的图标号。
- `iteration_id`:训练的轮次。
- `op_type`:算子类型。
- `op_name`:算子名称。
- `task_id`:任务标号。
- `stream_id`:流标号。
- `timestamp`:时间戳。
- `data_id`: 常量数据标号。
由于存在控制流,某些子图可能不会被执行,Dump只保存执行过的节点,所以graphs目录下`.pb`文件名中的{graph_id}并不一定在{net_name}下存在对应的{graph_id}目录。
对于多图网络,例如动态shape的场景,每张卡上所有计算图的轮次统一计数。
如果按命名规则定义的张量文件名称长度超过了OS文件名称长度限制(一般是255个字符),则会将该张量文件重命名为一串随机数字,映射关系会保存在同目录下的“mapping.csv”。
### 异步Dump数据文件介绍
若配置文件中`file_format`值设置为`npy`,则数据文件介绍参考[同步Dump数据文件介绍](#同步dump数据文件介绍) 。
若未配置`file_format`值或`file_format`值为`bin`,启动训练后,异步Dump生成的原始数据文件是protobuf格式的文件,需要用到海思Run包中自带的数据解析工具进行解析,详见[如何查看dump数据文件](https://support.huawei.com/enterprise/zh/doc/EDOC1100234052/c748fd92) 。
数据在Device侧的格式可能和Host侧计算图中的定义不同,异步Dump的数据格式为Device侧格式,如果想要转为Host侧格式,可以参考[如何进行dump数据文件Format转换](https://support.huawei.com/enterprise/zh/doc/EDOC1100234052/b04fcd04) 。
异步Dump生成的数据文件是`bin`文件时,文件命名格式为:
```text
{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}
```
以AlexNet网络的Conv2D-op12为例:`Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802`,其中`Conv2D`是`{op_type}`,`Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12`是`{op_name}`,`2`是`{task_id}`,`7`是`{stream_id}`,`161243956333802`是`{timestamp}`。
如果`op_type`和`op_name`中出现了“.”、“/”、“\”、空格时,会转换为下划线表示。
Dump生成的原始数据文件也可以使用MindInsight的数据解析工具DumpParser解析,DumpParser的使用方式详见[DumpParser介绍](https://gitee.com/mindspore/mindinsight/tree/r2.0.0-alpha/mindinsight/parser) 。MindInsight解析出来的数据格式与同步dump的数据格式完全相同。
若配置`file_format`值为`npy`,则启用异步dump生成的数据文件命名规则与同步Dump相同,可以参考[同步Dump数据文件介绍](#同步dump数据文件介绍)。
选项`saved_data`只有在`file_format`为"npy"的时候生效。如`saved_data`是"statistic"或者"full"。张量统计数据会落盘到`statistic.csv`。如`saved_data`是"tensor"或者"full"完整张量数据会落盘到`{op_type}.{op_name}.{task_id}.{stream_id}.{timestamp}.{input_output_index}.{slot}.{format}.npy`。`statistic.csv`的格式与同步Dump相同,可以参考[同步Dump数据文件介绍](#同步dump数据文件介绍)。
异步Dump生成的常量数据文件,最终执行图文件和执行序文件命名规则与同步Dump相同,可以参考[同步Dump数据文件介绍](#同步dump数据文件介绍)。
### 异步Dump数据分析样例
为了更好地展示使用Dump来保存数据并分析数据的流程,我们提供了一套[完整样例脚本](https://gitee.com/mindspore/docs/tree/r2.0.0-alpha/docs/sample_code/dump) ,异步Dump执行 `bash run_async_dump.sh` 即可。用户可以自行下载体验。
通过异步Dump的功能,获取到算子异步Dump生成的数据文件。如果异步Dump配置文件中设置的`file_format`为"npy",可以跳过以下步骤中的1、2,如果没有设置`file_format`,或者设置为"bin",需要先转换成`.npy`格式的文件。
1. 使用run包中提供的`msaccucmp.py`解析Dump出来的文件。不同的环境上`msaccucmp.py`文件所在的路径可能不同,可以通过`find`命令进行查找:
```bash
find ${run_path} -name "msaccucmp.py"
```
- `run_path`:run包的安装路径。
2. 找到`msaccucmp.py`后,到`/absolute_path`目录下,运行如下命令解析Dump数据:
```bash
python ${The absolute path of msaccucmp.py} convert -d {file path of dump} -out {file path of output}
```
{file path of dump} 可以是单个`.bin`文件的路径,也可以是包含`.bin`文件的文件夹路径。
若需要转换数据格式,可参考使用说明链接 。
如Dump生成的数据文件为:
```text
Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802
```
则执行:
```bash
python3.7.5 msaccucmp.py convert -d /path/to/Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802 -out ./output -f NCHW -t npy
```
则可以在`./output`下生成该算子的所有输入输出数据。每个数据以`.npy`后缀的文件保存,数据格式为`NCHW`。生成结果如下:
```text
Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802.input.0.32x256x13x13.npy
Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802.input.1.384x256x3x3.npy
Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802.output.0.32x384x13x13.npy
```
在文件名的末尾可以看到该文件是算子的第几个输入或输出,以及数据的维度信息。例如,通过第一个`.npy`文件名
```text
Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802.input.0.32x256x13x13.npy
```
可知该文件是算子的第0个输入,数据的维度信息是`32x256x13x13`。
3. 通过`numpy.load("file_name")`可以读取到对应数据。例:
```python
import numpy
numpy.load("Conv2D.Default_network-WithLossCell__backbone-AlexNet_conv3-Conv2d_Conv2D-op12.2.7.161243956333802.input.0.32x256x13x13.npy")
```