aclnnSilentCheck
产品支持情况
| 产品 | 是否支持 |
|---|---|
| Ascend 950PR/Ascend 950DT | × |
| Atlas A3 训练系列产品/Atlas A3 推理系列产品 | √ |
| Atlas A2 训练系列产品/Atlas A2 推理系列产品 | √ |
| Atlas 200I/500 A2 推理产品 | × |
| Atlas 推理系列产品 | × |
| Atlas 训练系列产品 | × |
功能说明
-
算子功能： SilentCheck算子功能主要根据输入特征值（val），与绝对阈值、相对阈值比较，来识别是否触发静默检测故障。同时支持通过框架侧传入的环境变量（npuAsdDetect）控制故障时是否触发告警或断点续训，默认情况（即npuAsdDetect=1时）只打印日志。
-
计算公式：
- 如果当前输入
val为inf/nan，或val超过绝对阈值cThreshL1，或跳变超过相对阈值cCoeffL1，则识别为L1故障；若环境变量npuAsdDetect为2，则打印日志并触发断点续训；若环境变量npuAsdDetect为1，则更新sfdaRef与stepRef后正常返回。 - 如果当前输入
val超过绝对阈值cThreshL2，或跳变超过相对阈值cCoeffL2，则识别为L2故障；打印告警并更新sfdaRef与stepRef后正常返回。 - 如果既没有触发L1故障，又没有触发L2告警，则为正常情况：若
npuAsdDetect为3，则打印特征值；否则更新sfdaRef与stepRef后正常返回。 - 其中
sfdaRef为[pre_val, min_val, max_val]，代表[上次检测val，历史最小val，历史最大val]；stepRef为检测次数，每次检测加一。
- 如果当前输入
函数原型
每个算子分为两段式接口，必须先调用“aclnnSilentCheckGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnSilentCheck”接口执行计算。
aclnnStatus aclnnSilentCheckGetWorkspaceSize(
const aclTensor *val,
aclTensor *inputGradRef,
aclTensor *sfdaRef,
aclTensor *stepRef,
const int32_t cMinSteps,
const float cThreshL1,
const float cCoeffL1,
const float cThreshL2,
const float cCoeffL2,
const int32_t npuAsdDetect,
aclTensor* result,
uint64_t *workspaceSize,
aclOpExecutor **executor)
aclnnStatus aclnnSilentCheck(
void *workspace,
uint64_t workspaceSize,
aclOpExecutor *executor,
aclrtStream stream)
aclnnSilentCheckGetWorkspaceSize
-
参数说明：
参数名 输入/输出 描述 使用说明 数据类型 数据格式 维度(shape) 非连续tensor val 输入 当前输入值。 - FLOAT、FLOAT16、BFLOAT16 ND 0 √ inputGradRef 输入 模型输入的梯度tensor。 - FLOAT、FLOAT16、BFLOAT16 ND - √ sfdaRef 输入 上一次判断数值。 - FLOAT ND 3 √ stepRef 输入 当前步数step。 - INT64 ND - √ cMinSteps 输入 触发跳变判断的最小步数。 当前建议取值7 INT32 - - - cThreshL1 输入 绝对数值触发L1故障阈值。 当前建议取值1000000 FLOAT - - - cCoeffL1 输入 跳变触发L1故障阈值。 当前建议取值100000 FLOAT - - - cThreshL2 输入 绝对数值触发L2故障阈值。 当前建议取值10000且cThreshL1>cThreshL2 FLOAT - - - cCoeffL2 输入 跳变触发L2故障阈值。 当前建议取值5000且cCoeffL1>cCoeffL2 FLOAT - - - npuAsdDetect 输入 环境变量。 可选取值1，2，3 INT32 - - - result 输出 判断是否触发静默检测及触发几级故障。 - INT32 ND 1 √ workspaceSize 输出 返回需要在Device侧申请的workspace大小。 - - - - - executor 输出 返回op执行器，包含了算子计算流程。 - - - - - -
返回值：
aclnnStatus：返回状态码，具体参见aclnn返回码。
第一段接口完成入参校验，出现以下场景时报错：
返回值 错误码 描述 ACLNN_ERR_PARAM_NULLPTR 161001 传入的val、inputGradRef、sfdaRef或stepRef是空指针。 ACLNN_ERR_PARAM_INVALID 161002 val、inputGradRef、sfdaRef或stepRef的数据类型不在支持的范围内。 val、inputGradRef、sfdaRef或stepRef的shape不满足要求。
aclnnSilentCheck
-
参数说明：
参数名 输入/输出 描述 workspace 输入 在Device侧申请的workspace内存地址。 workspaceSize 输入 在Device侧申请的workspace大小，由第一段接口aclnnSilentCheckGetWorkspaceSize获取。 executor 输入 op执行器，包含了算子计算流程。 stream 输入 指定执行任务的Stream。 -
返回值：
aclnnStatus：返回状态码，具体参见aclnn返回码。
约束说明
- 确定性计算：
- aclnnSilentCheck默认确定性实现。
调用示例
示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。
#include <iostream>
#include <vector>
#include "acl/acl.h"
#include "aclnnop/aclnn_silent_check.h"
#define CHECK_RET(cond, return_expr) \
do { \
if (!(cond)) { \
return_expr; \
} \
} while (0)
#define LOG_PRINT(message, ...) \
do { \
printf(message, ##__VA_ARGS__); \
} while (0)
int64_t GetShapeSize(const std::vector<int64_t>& shape) {
int64_t shapeSize = 1;
for (auto i : shape) {
shapeSize *= i;
}
return shapeSize;
}
void PrintOutResult(std::vector<int64_t> &shape, void** deviceAddr) {
auto size = GetShapeSize(shape);
std::vector<int32_t> resultData(size, 0);
auto ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]),
*deviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return);
for (int64_t i = 0; i < size; i++) {
LOG_PRINT("result[%ld] is: %d\n", i, resultData[i]);
}
}
int Init(int32_t deviceId, aclrtStream* stream) {
// 固定写法，acl初始化
auto ret = aclInit(nullptr);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret);
ret = aclrtSetDevice(deviceId);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret);
ret = aclrtCreateStream(stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret);
return 0;
}
template <typename T>
int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr,
aclDataType dataType, aclTensor** tensor) {
auto size = GetShapeSize(shape) * sizeof(T);
// 调用aclrtMalloc申请device侧内存
auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret);
// 调用aclrtMemcpy将host侧数据拷贝到device侧内存上
ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret);
// 计算连续tensor的strides
std::vector<int64_t> strides(shape.size(), 1);
for (int64_t i = shape.size() - 2; i >= 0; i--) {
strides[i] = shape[i + 1] * strides[i + 1];
}
// 调用aclCreateTensor接口创建aclTensor
*tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND,
shape.data(), shape.size(), *deviceAddr);
return 0;
}
int main() {
// 1.(固定写法)device/stream初始化, 参考acl对外接口列表
// 根据自己的实际device填写deviceId
int32_t deviceId = 0;
aclrtStream stream;
auto ret = Init(deviceId, &stream);
// check根据自己的需要处理
CHECK_RET(ret == 0, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret);
// 2.构造输入与输出，需要根据API的接口自定义构造
std::vector<int64_t> valShape = {};
std::vector<int64_t> inputGradShape = {4, 2};
std::vector<int64_t> sfdaShape = {3};
std::vector<int64_t> stepShape = {1};
std::vector<int64_t> resultShape = {1};
void* valDeviceAddr = nullptr;
void* inputGradDeviceAddr = nullptr;
void* sfdaDeviceAddr = nullptr;
void* stepDeviceAddr = nullptr;
void* resultDeviceAddr = nullptr;
aclTensor* val = nullptr;
aclTensor* inputGrad = nullptr;
aclTensor* sfda = nullptr;
aclTensor* step = nullptr;
aclTensor* result = nullptr;
std::vector<float> valHostData = {160.0};
std::vector<float> inputGradHostData = {0, 1, 2, 3, 4, 5, 6, 7};
std::vector<float> sfdaHostData = {70.0, 200.0, 400.0};
std::vector<int64_t> stepHostData = {7};
std::vector<int32_t> resultHostData = {0};
int32_t c_min_steps = 7;
float c_thresh_l1 = 1000000;
float c_coeff_l1 = 100000;
float c_thresh_l2 = 10000;
float c_coeff_l2 = 5000;
int32_t npu_asd_detect = 3;
// 创建val aclTensor
ret = CreateAclTensor(valHostData, valShape, &valDeviceAddr, aclDataType::ACL_FLOAT, &val);
CHECK_RET(ret == ACL_SUCCESS, return ret);
// 创建input_grad aclTensor
ret = CreateAclTensor(inputGradHostData, inputGradShape, &inputGradDeviceAddr, aclDataType::ACL_FLOAT, &inputGrad);
CHECK_RET(ret == ACL_SUCCESS, return ret);
// 创建sfda aclTensor
ret = CreateAclTensor(sfdaHostData, sfdaShape, &sfdaDeviceAddr, aclDataType::ACL_FLOAT, &sfda);
CHECK_RET(ret == ACL_SUCCESS, return ret);
// 创建step aclTensor
ret = CreateAclTensor(stepHostData, stepShape, &stepDeviceAddr, aclDataType::ACL_INT64, &step);
CHECK_RET(ret == ACL_SUCCESS, return ret);
// 创建result aclTensor
ret = CreateAclTensor(resultHostData, resultShape, &resultDeviceAddr, aclDataType::ACL_INT32, &result);
if (result == nullptr) {
std::cout << "result is nullptr!" << std::endl;
return 0;
}
CHECK_RET(ret == ACL_SUCCESS, return ret);
// 3.调用CANN算子库API，需要修改为具体的HostApi
uint64_t workspaceSize = 0;
aclOpExecutor* executor;
// 调用aclnnAdd第一段接口
ret = aclnnSilentCheckGetWorkspaceSize(val, inputGrad, sfda, step, c_min_steps, c_thresh_l1, c_coeff_l1, c_thresh_l2, c_coeff_l2, npu_asd_detect, result, &workspaceSize, &executor);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnSilentCheckGetWorkspaceSize failed. ERROR: %d\n", ret); return ret);
// 根据第一段接口计算出的workspaceSize申请device内存
void* workspaceAddr = nullptr;
if (workspaceSize > 0) {
ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret);
}
// 调用aclnnAdd第二段接口
ret = aclnnSilentCheck(workspaceAddr, workspaceSize, executor, stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnSilentCheck failed. ERROR: %d\n", ret); return ret);
// 4.(固定写法)同步等待任务执行结束
ret = aclrtSynchronizeStream(stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret);
// 5.获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改
PrintOutResult(resultShape, &resultDeviceAddr);
// 6.释放aclTensor和aclScalar，需要根据具体API的接口定义修改
aclDestroyTensor(val);
aclDestroyTensor(inputGrad);
aclDestroyTensor(sfda);
aclDestroyTensor(step);
aclDestroyTensor(result);
// 7.释放device资源，需要根据具体API的接口定义修改
aclrtFree(valDeviceAddr);
aclrtFree(inputGradDeviceAddr);
aclrtFree(sfdaDeviceAddr);
aclrtFree(stepDeviceAddr);
aclrtFree(resultDeviceAddr);
if (workspaceSize > 0) {
aclrtFree(workspaceAddr);
}
aclrtDestroyStream(stream);
aclrtResetDevice(deviceId);
aclFinalize();
return 0;
}