MindStudio Probe

📢 最新消息

[2026.03.28]：msprobe仓库ADump模块日落下线通知

[2026.03.20]：上线大模型训练精度定位指南、大模型推理精度定位指南及常用框架工具使能指南

[2025.12.31]：MindStudio Probe精度调试工具全面开源。

📌 简介

MindStudio Probe（MindStudio精度调试工具，msProbe）是针对昇腾提供的全场景精度工具链，专为模型开发的精度调试环节设计，可显著提升用户定位模型精度问题的效率。

🔍 目录结构

关键目录如下，详细介绍参见项目目录。

MindStudio-probe
├── ccsrc                         # C/C++源码目录
├── cmake                        # 存放解析C化部分cmake文件
├── docs                         # 文档目录
├── examples                     # 工具配置样例存放目录
├── output                       # 交付件生成目录
├── plugins                      # 插件类代码总入口
├── python                       # Python源码目录
├── scripts                      # 存放安装卸载升级脚本
├── test                         # 测试代码目录
├── setup.py                     # 端到端打包构建脚本
├── README.md                    # 整体仓代码说明
└── LICENSE                      # LICENSE文件

📝 版本说明

版本	支持PyTorch版本	支持MindSpore版本	支持Python版本	支持CANN版本
26.0.0(在研版本)	2.1/2.2/2.5/2.6/2.7/2.8/2.9	2.4.0/2.5.0/2.6.0/2.7.1	3.8-3.12	大于等于 CANN 8.3.RC1
26.0.0-alpha.2	2.1/2.2/2.5/2.6/2.7/2.8/2.9	2.4.0/2.5.0/2.6.0/2.7.1	3.8-3.12	大于等于 CANN 8.3.RC1
26.0.0-alpha.1	2.1/2.2/2.5/2.6/2.7/2.8	2.4.0/2.5.0/2.6.0/2.7.1	3.8-3.11	大于等于 CANN 8.3.RC1

🛠️ 环境部署

安装msProbe工具，具体请参见《msProbe工具安装指南》。

🚀 快速入门

msProbe工具快速入门，通过一个可执行样例，完成msProbe工具的精度数据采集和精度比对功能的快速上手。具体请参见《PyTorch场景精度调试工具快速入门》或《MindSpore场景精度调试工具快速入门》。

📖 功能介绍

使用场景	子模式/细分场景	功能项	功能说明	参考文档
vLLM推理	Eager/图模式	数据采集	完成msProbe精度数据采集操作	数据采集
		数据比对	将msProbe工具dump的精度数据进行精度比对，进而定位精度问题 请参考分级可视化构图比对或精度比对	分级可视化构图比对 精度比对
	torchair	数据采集	通过set_ge_dump_config接口完成精度数据采集操作	数据采集
		精度比对	将msProbe工具dump的精度数据进行精度比对，进而定位精度问题	精度比对
	通用场景	推理异常检测	获取vLLM推理输出，感知异常问题	推理异常检测
SGLang推理	eager模式	数据采集	完成msProbe精度数据采集操作	数据采集
		数据比对	将msProbe工具dump的精度数据进行精度比对，进而定位精度问题	分级可视化构图比对 精度比对
ATB推理	-	数据采集	通过在ATB模型运行前，加载ATB dump模块的方式，实现对ATB模型运行过程中的精度数据的采集	数据采集
		精度比对	将ATB dump的精度数据进行精度比对，进而定位精度问题	精度比对
		数据转换	将ATB dump的精度数据转换为numpy（.npy）或PyTorch tensor（.pt）格式文件	数据转换
离线模型推理	-	数据采集	完成msProbe精度数据采集操作	数据采集
		精度比对	提供一键式离线模型比对功能，仅需输入模型即可完成比对，无需提前采集数据，快速输出结果	精度比对
		离线模型数据精度比对	提供离线模型数据比对功能，输入离线模型的dump数据进行精度比对	离线模型数据精度比对
		数据转换	将离线模型的dump数据转换为numpy（.npy）或PyTorch tensor（.pt）格式文件	数据转换
PyTorch训练	-	训练前配置检查	训练前或精度比对前，对比两个环境下可能影响训练精度的配置差异	训练前配置检查
		verl超参比对	verl训练过程中或结束后，比对两台不同服务器上训练日志中采集到的真实超参配置，辅助用户高效比对真实超参值配置，加速定位因配置差异所引发的训练精度问题	verl超参比对
		数据采集	通过config.json配置，完成msProbe精度数据采集操作	数据采集
		精度预检	在昇腾NPU上扫描训练模型中的所有API，给出精度情况的诊断和分析	精度预检
		分级可视化构图比对	将msProbe工具dump的精度数据进行解析，还原模型图结构，实现模型各个层级的精度数据比对	分级可视化构图比对
		精度比对	将msProbe工具dump的精度数据进行精度比对，进而定位精度问题	精度比对
		训练状态监测	收集和聚合模型训练过程中的网络层，优化器，通信算子的中间值，帮助诊断模型训练过程中计算，通信，优化器各部分出现的异常情况	训练状态监测
		checkpoint比对	训练过程中或结束后，比较两个不同的checkpoint，评估模型相似度	checkpoint比对
		整网首个溢出节点分析	多rank场景下通过dump数据找到首个出现Nan或Inf的节点	整网首个溢出节点分析
		趋势可视化	将msProbe工具数据采集或训练状态监测的统计量数据从迭代步数、节点rank和张量目标三个维度进行趋势可视化	趋势可视化
MindSpore训练	-	训练前配置检查	训练前或精度比对前，对比两个环境下可能影响训练精度的配置差异	训练前配置检查
		数据采集	通过config.json配置，完成msProbe精度数据采集操作	数据采集
		精度预检	在昇腾NPU上扫描训练模型中的所有API，给出精度情况的诊断和分析	精度预检
		分级可视化构图比对	将msProbe工具dump的精度数据进行解析，还原模型图结构，实现模型各个层级的精度数据比对	分级可视化构图比对
		精度比对	将msProbe工具dump的精度数据进行精度比对，进而定位精度问题	精度比对
		训练状态监测	收集和聚合模型训练过程中的网络层，优化器，通信算子的中间值，帮助诊断模型训练过程中计算，通信，优化器各部分出现的异常情况	训练状态监测
		溢出检测与解析	溢出检测用于采集溢出API或模块的精度数据，而溢出解析则是通过对溢出数据的分析，进一步判断是否为正常溢出 推荐直接使用数据采集功能采集统计量信息，检测溢出问题，具体请参见数据采集	溢出检测与解析 数据采集
		checkpoint比对	训练过程中或结束后，比较两个不同的checkpoint，评估模型相似度	checkpoint比对
		趋势可视化	将msProbe工具数据采集或训练状态监测的统计量数据从迭代步数、节点rank和张量目标三个维度进行趋势可视化	趋势可视化
MSAdapter场景	-	数据采集	通过config.json配置，完成msProbe精度数据采集操作	数据采集
		checkpoint比对	训练过程中或结束后，比较两个不同的checkpoint，评估模型相似度	checkpoint比对

📚 补充材料

• PyTorch场景的精度数据采集基线报告

• MindSpore场景的精度预检基线报告

• MindSpore场景的精度数据采集基线报告

• 训练状态监测工具标准性能基线报告

💬 FAQ

FAQ汇总了在使用msProbe工具过程中可能遇到的问题，具体请参见FAQ。

📝 相关说明

• 《开发者指南》
• 《安全声明》
• 《免责声明》
• 《License声明》

💬 建议与交流

欢迎大家为社区做贡献。如果有任何疑问或建议，请提交Issues，我们会尽快回复。感谢您的支持。

💬 技术交流群	📢 官方公众号	🤝 更多加入渠道
扫码直接加入技术交流群	扫码关注获取最新动态	欢迎扫码关注技术交流群跟官方公众号。这里是 MindStudio 用户与开发者最快捷的交流阵地： 快速提问： 与社区小伙伴即时探讨技术问题 掌握动态： 第一时间获取版本发布与功能更新通知 经验共享： 与其他开发者交流最佳实践 🛠️ 其他渠道： 👉 昇腾助手： 👉 昇腾论坛：

🤝 致谢

msProbe由华为公司的下列部门联合贡献：

• 昇腾计算MindStudio开发部
• 分布式并行计算实验室

感谢来自社区的每一个PR，欢迎贡献msProbe！