功能问题定位

模型中存在不支持的算子会导致torchAir成图失败，具体支持算子清单可以参考：ATen API支持清单

1. dynamo成图python日志

开启方式：

import logging
torch._logging.set_logs(dynamo=logging.DEBUG, aot=logging.DEBUG, output_code=True, graph_code=True, recompiles=True)

主要用于原生dynamo报错时定位具体问题，主要看FX图guard信息，可以看到dynamo成FX图的具体流程，从而找到dynamo报错或者不支持的原因。

2. TorchAir python日志

开启方式：

import logging
torchair.logger.setLevel(logging.DEBUG)

当发生例如converter内部报错、TorchAir配置项报错等问题时，可以打印该日志查看TorchAir的converter转换流程或配置项等。

3. TorchAir C++日志

开启方式：

export TNG_LOG_lEVEL=0

主要用于定位Ascend IR图是否配置以及内存问题。在该日志中可以看到Ascend IR图是否编译成功以及传入的具体配置项，同时还能够看到输入/输出的内存申请。

精度问题定位

1. TorchAir python日志

开启方式：

import logging
torchair.logger.setLevel(logging.DEBUG)

除了converter内部报错、TorchAir配置项报错等问题，该日志还可以查看单个算子的输入/输出shape用于定位精度问题。

2. Tensor print

图模式下，图内中间节点的device输出结果无法直接print查看。可以通过npu_print API打印。使用方式如下：

import torch, torch_npu, torchair

class Model(nn.Module):
    ...
    def forward(self, x):
        ...
        y = x ** 2
        torchair.ops.npu_print("y=", y, summarize_size=2)
        ...

model = Model()
model = torch.compile(model)
out = model(x)

API说明：def npu_print(*args, summarize_size=3)

• *args: 支持输入torch.Tensor和python基本类型 - str, bool, float, int
• summarize_size: 打印tensor时，每个轴首尾展示的数据量

接口约束：

• 入参args中至少包含一个Tensor类型输入
• summarize_size为大于0的正整数或者-1（全打印）
• 接口是异步打印，多个npu_print的输出顺序与被打印节点执行序一致