MindSpore后端运行类

MindSpore后端运行类

Q：如何在训练过程中监控loss在最低的时候并保存训练参数？

A：可以自定义一个Callback。参考ModelCheckpoint的写法，此外再增加判断loss的逻辑：

class EarlyStop(Callback):

def __init__(self):

self.loss = None

def step_end(self, run_context):

loss =  ****(get current loss)

if (self.loss == None or loss < self.loss):

self.loss = loss

# do save ckpt

Q：mindspore/tests下怎样执行单个ut用例？

A：ut用例通常需要基于debug版本的MindSpore包，官网并没有提供。可以基于源码使用sh build.sh编译，然后通过pytest指令执行，debug模式编包不依赖后端。编译选项sh build.sh -t on，用例执行可以参考tests/runtest.sh脚本。

Q：使用nn.Conv2d时，怎样获取期望大小的feature map？

A：Conv2d shape推导方法可以参考这里，Conv2d的pad_mode改成same，或者可以根据Conv2d shape推导公式自行计算pad，想要使得shape不变，一般pad为(kernel_size-1)//2。

Q：MindSpore安装完成，执行训练时发现网络性能异常，权重初始化耗时过长，怎么办？

A：可能与环境中使用了scipy 1.4系列版本有关，通过pip list | grep scipy命令可查看scipy版本，建议改成MindSpore要求的scipy版本。版本第三方库依赖可以在requirement.txt中查看。 https://gitee.com/mindspore/mindspore/blob/{version}/requirements.txt

其中version替换为MindSpore具体的版本分支。

Q：使用MindSpore可以自定义一个可以返回多个值的loss函数？

A：自定义loss function后还需自定义TrainOneStepCell，实现梯度计算时sens的个数和network的输出个数相同。具体可参考：

net = Net()

loss_fn = MyLoss()

loss_with_net = MyWithLossCell(net, loss_fn)

train_net = MyTrainOneStepCell(loss_with_net, optim)

model = Model(net=train_net, loss_fn=None, optimizer=None)

Q：MindSpore如何实现早停功能？

A：可以自定义callback方法实现早停功能。 例子：当loss降到一定数值后，停止训练。

class EarlyStop(Callback):

def __init__(self, control_loss=1):

super(EarlyStep, self).__init__()

self._control_loss = control_loss

def step_end(self, run_context):

cb_params = run_context.original_args()

loss = cb_params.net_outputs

if loss.asnumpy() < self._control_loss:

# Stop training

run_context._stop_requested = True

stop_cb = EarlyStop(control_loss=1)

model.train(epoch_size, ds_train, callbacks=[stop_cb])

Q：请问自己制作的黑底白字28*28的数字图片，使用MindSpore训练出来的模型做预测，报错提示wrong shape of image是怎么回事？

A：首先MindSpore训练使用的灰度图MNIST数据集。所以，模型使用时，对数据是有要求的，需要设置为28*28的灰度图，就是单通道才可以。

Q：在Ascend平台上，执行用例有时候会报错run task error，如何获取更详细的日志帮助问题定位？

A：可以通过开启slog获取更详细的日志信息以便于问题定位，修改/var/log/npu/conf/slog/slog.conf中的配置，可以控制不同的日志级别，对应关系为：0:debug、1:info、2:warning、3:error、4:null(no output log)，默认值为1。

Q：使用ExpandDims算子报错：Pynative run op ExpandDims failed。具体代码：

context.set_context(

mode=cintext.GRAPH_MODE,

device_target='ascend')

input_tensor=Tensor(np.array([[2,2],[2,2]]),mindspore.float32)

expand_dims=ops.ExpandDims()

output=expand_dims(input_tensor,0)

A：这边的问题是选择了Graph模式却使用了PyNative的写法，所以导致报错，MindSpore支持两种运行模式，在调试或者运行方面做了不同的优化:

• PyNative模式：也称动态图模式，将神经网络中的各个算子逐一下发执行，方便用户编写和调试神经网络模型。
• Graph模式：也称静态图模式或者图模式，将神经网络模型编译成一整张图，然后下发执行。该模式利用图优化等技术提高运行性能，同时有助于规模部署和跨平台运行。

用户可以参考官网教程选择合适、统一的模式和写法来完成训练。

Q：使用Ascend平台执行训练过程，出现报错：Out of Memory!!! total[3212254720] (dynamic[0] memory poll[524288000]) malloc[32611480064] failed! 如何解决？

A：此问题属于内存占用过多导致的内存不够问题，可能原因有两种：

• batch_size的值设置过大。解决办法：将batch_size的值设置减小。
• 引入了异常大的Parameter，例如单个数据shape为[640,1024,80,81]，数据类型为float32，单个数据大小超过15G，这样差不多大小的两个数据相加时，占用内存超过3*15G，容易造成Out of Memory。解决办法：检查参数的shape，如果异常过大，减少shape。
• 如果以上操作还是未能解决，可以上官方论坛发帖提出问题，将会有专门的技术人员帮助解决。

Q：MindSpore执行GPU分布式训练报错如下，如何解决：

Loading libgpu_collective.so failed. Many reasons could cause this:

1.libgpu_collective.so is not installed.

2.nccl is not installed or found.

3.mpi is not installed or found

A：此问题为MindSpore动态加载集合通信库失败，可能原因如下：

• 执行环境未安装分布式训练依赖的OpenMPI以及NCCL。
• NCCL版本未更新至v2.7.6：MindSpore v1.1.0新增GPU P2P通信算子，该特性依赖于NCCL v2.7.6，若环境使用的NCCL未升级为此版本，则会引起加载失败错误。

Q：启动缓存服务器时，若提示找不到libpython3.7m.so.1.0文件，应如何处理？

A：尝试在虚拟环境下查找其路径并设置LD_LIBRARY_PATH变量：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:{path_to_conda}/envs/{your_env_name}/lib

Q：缓存服务器异常关闭如何处理？

A：缓存服务器使用过程中，会进行IPC共享内存和socket文件等系统资源的分配。若允许溢出，在磁盘空间还会存在溢出的数据文件。一般情况下，如果通过cache_admin --stop命令正常关闭服务器，这些资源将会被自动清理。

但如果缓存服务器被异常关闭，例如缓存服务进程被杀等，用户需要首先尝试重新启动服务器，若启动失败，则应该依照以下步骤手动清理系统资源：

• 删除IPC资源。

1. 检查是否有IPC共享内存残留。

一般情况下，系统会为缓存服务分配4GB的共享内存。通过以下命令可以查看系统中的共享内存块使用情况。

$ ipcs -m

------ Shared Memory Segments --------

key        shmid      owner      perms      bytes      nattch     status

0x61020024 15532037   root       666        4294967296 1

其中，shmid为共享内存块id，bytes为共享内存块的大小，nattch为链接到该共享内存块的进程数量。nattch不为0表示仍有进程使用该共享内存块。在删除共享内存前，需要停止使用该内存块的所有进程。

1. 删除IPC共享内存。

找到对应的共享内存id，并通过以下命令删除。

ipcrm -m {shmid}

• 删除socket文件。

一般情况下，socket文件位于/tmp/mindspore/cache。进入文件夹，执行以下命令删除socket文件。

rm cache_server_p{port_number}

其中port_number为用户创建缓存服务器时指定的端口号，默认为50052。

• 删除溢出到磁盘空间的数据文件。

进入启用缓存服务器时指定的溢出数据路径。通常，默认溢出路径为/tmp/mindspore/cache。找到路径下对应的数据文件夹并逐一删除。