离线模型dump数据精度比对

简介

本节主要介绍传统小模型场景的精度比对工具：该工具用于ONNX和TensorFlow框架模型的ATC模型转换前后的比对、TensorFlow训练场景的比对和离线模型不同版本之间的比对等场景。

使用前准备

环境准备

• 安装msProbe工具，详情请参见《msProbe安装指南》。
• 安装配套版本的CANN Toolkit开发套件包和ops算子包并配置CANN环境变量，具体请参见CANN快速安装。

约束

支持Caffe、ONNX、TensorFlow和om模型的离线dump数据。

离线模型dump数据精度比对

功能说明

将离线模型dump的数据进行精度比对操作。

注意事项

无

命令格式

msprobe compare -m offline_data -tp <target_path> -gp <golden_path> [-fr <fusion_rule_file>] [-cfr <close_fusion_rule_file>] [-qfr <quant_fusion_rule_file>] [-o <output_path>]

参数说明

参数名	可选/必选	说明
-m	必选	比对模式，当前场景为offline_data，表示离线数据比对场景。
-tp 或 --target_path	必选	基于昇腾AI处理器运行生成的数据文件所在目录。由于dump数据文件是多个二进制文件，故须指定dump数据文件所在的父目录。如：$HOME/MyApp_mind/resnet50，其resnet50文件夹下直接保存dump数据文件。 训练场景下： 支持TensorFlow为原始训练网络的比对。 单个数据文件比对时，需指定数据文件所在的具体目录。 支持多个dump数据文件的批量比对，可指定固定路径为dump_path/time/，仅支持TensorFlow为原始训练网络的比对。指定的路径下可以存放多个dump数据文件，但要求每个dump数据文件拥有唯一路径，且路径命名规则为dump_path/time/device_id/model_name/model_id/dump_step/dump文件。
-gp 或 --golden_path	必选	基于GPU/CPU运行生成的原始网络数据文件所在目录。 由于npy文件是多个文件，故须指定npy文件所在的父目录。如：$HOME/Standard_caffe/resnet50 ，其中resnet50文件夹下直接保存npy数据文件。 当指定-cfr参数时，该参数指定的就是模型转换关闭算子融合功能下dump数据文件的目录。
-o 或 --output_path	可选	比对数据结果存放路径，默认为当前路径。 不建议配置与当前用户不一致的其它用户目录，避免提权风险。 训练场景下： 单个数据文件比对时，结果文件名格式为result_{timestamp}.csv。 多个数据文件比对时，结果文件名格式为{device_id}_{model_name}_{dump_step}_result_{timestamp}.csv，批量比对将生成多个csv结果文件。
-fr 或 --fusion_rule_file	可选	全网层信息文件。 推理场景下： 通过使用ATC转换.om模型文件生成的json文件，文件包含整网算子的映射关系。 该参数指定的是默认开启算子融合功能情况下进行模型转换时生成的json文件；指定关闭算子融合功能情况下进行模型转换时生成的json文件使用-cfr参数。 训练场景下： 通过使用ATC转换.txt图文件生成的json文件。 单个数据文件比对时，该参数需指定具体的json文件；批量比对时，该参数可指定为多个json文件所在的目录。
-qfr 或 --quant_fusion_rule_file	可选	量化信息文件（昇腾模型压缩输出的json文件）。 通过AMCT量化生成的量化信息文件（*.json），文件包含整网量化算子映射关系，用于精度比对时算子匹配。 Caffe非量化原始模型 vs 量化离线模型场景时，与-fr参数二选一；Caffe非量化原始模型 vs 量化原始模型场景时，仅使用本参数。 仅推理场景支持本参数。
-cfr 或 --close_fusion_rule_file	可选	全网层信息文件（通过使用ATC转换.om模型文件生成的json文件，文件包含关闭算子融合功能情况下整网算子的映射关系）。 仅推理场景支持本参数。

使用示例

1. 完成离线模型的数据dump。

   用户须自行准备GPU和NPU离线模型的dump数据。

2. 执行dump数据精度比对。示例命令如下：

   msprobe compare -m offline_data -tp ./data/target_path -gp ./data/golden_path -fr ./data/fusion_rule.json
   

输出说明

默认情况下，比对命令执行完成后在命令执行的当前路径生成比对结果文件result_{timestamp}.csv的生成路径。

比对结果文件说明

result_{timestamp}.csv比对结果文件示例如下：

参数	说明
Index	网络模型中算子的ID。
OpSequence	部分算子比对时算子运行的序列。即-fr参数指定的全网层信息文件中算子的ID。
OpType	算子类型。指定-fr参数时获取算子类型。
NPUDump	表示My Output模型的算子名。
DataType	表示NPU Dump侧数据算子的数据类型。
Address	dump tensor的内存地址。用于判断算子的内存问题。仅基于昇腾AI处理器运行生成的dump数据文件在整网比对时可提取该数据。
GroundTruth	表示Ground Truth模型的算子名。
DataType	表示Ground Truth侧数据算子的数据类型。
TensorIndex	表示基于昇腾AI处理器运行生成的dump数据的算子的input ID和output ID。
Shape	比对的Tensor的Shape。
OverFlow	溢出算子。显示YES表示该算子存在溢出；显示NO表示算子无溢出；显示NaN表示不做溢出检测。配置-overflow_detection参数时展示。
CosineSimilarity	进行余弦相似度算法比对出来的结果，取值范围为[-1,1]，比对的结果如果越接近1，表示两者的值越相近，越接近-1意味着两者的值越相反。
MaxAbsoluteError	进行最大绝对误差算法比对出来的结果，取值范围为0到无穷大，值越接近于0，表明越相近，值越大，表明差距越大。
AccumulatedRelativeError	进行累积相对误差算法比对出来的结果，取值范围为0到无穷大，值越接近于0，表明越相近，值越大，表明差距越大。
RelativeEuclideanDistance	进行欧氏相对距离算法比对出来的结果，取值范围为0到无穷大，值越接近于0，表明越相近，值越大，表明差距越大。
KullbackLeiblerDivergence	进行KL散度算法比对出来的结果，取值范围为0到无穷大。KL散度越小，真实分布与近似分布之间的匹配越好。
StandardDeviation	进行标准差算法比对出来的结果，取值范围为0到无穷大。标准差越小，离散度越小，表明越接近平均值。
MeanAbsoluteError	表示平均绝对误差。取值范围为0到无穷大，MeanAbsoluteError和RootMeanSquareError均趋于0，说明测量值与真实值越近似；MeanAbsoluteError趋于0，RootMeanSquareError越大，说明存在局部过大的异常值；MeanAbsoluteError越大，RootMeanSquareError等于或近似MeanAbsoluteError，说明整体偏差越集中；MeanAbsoluteError越大，RootMeanSquareError越大于MeanAbsoluteError，说明存在整体偏差，且整体偏差分布分散；不存在以上情况的例外情况，因为RootMeanSquareError ≥ MeanAbsoluteError恒成立。
RootMeanSquareError	表示均方根误差。取值范围为0到无穷大，MeanAbsoluteError趋于0，RootMeanSquareError趋于0，说明测量值与真实值越近似；MeanAbsoluteError趋于0，RootMeanSquareError越大，说明存在局部过大的异常值；MeanAbsoluteError越大，RootMeanSquareError等于或近似MeanAbsoluteError，说明整体偏差越集中；MeanAbsoluteError越大，RootMeanSquareError越大于MeanAbsoluteError，说明存在整体偏差，且整体偏差分布分散；不存在以上情况的例外情况，因为RootMeanSquareError ≥ MeanAbsoluteError恒成立。
MaxRelativeError	表示最大相对误差。取值范围为0到无穷大，值越接近于0，表明越相近，值越大，表明差距越大。
MeanRelativeError	表示平均相对误差。取值范围为0到无穷大，值越接近于0，表明越相近，值越大，表明差距越大。
CompareFailReason	算子无法比对的原因。 若余弦相似度为1，则查看该算子的输入或输出Shape是否为空或全部为1，若为空或全部为1则算子的输入或输出为标量，提示：this tensor is scalar。