【CANN第四期訓練營】小作業解析篇

順序：

按照數據讀取階段、數據預處理階段、訓練執行階段、訓練后處理階段的順序來debug

另：性能不達標的排查順序框圖

手段：

1、通過linux資源監測命令，如top、mpstat、free、iostat等來監測資源情況

2、通過磁盤管理基本操作（df、du、fdisk）來進行磁盤管理；

3、了解大批量數據讀取的通用策略，緩存和多進程高并發的解決方案；

4、使用多進程CPU綁核

處理步驟：HOST內存讀出->訓練數據處理->DEVICE內存讀出

使用prefetch來調整HOST和DEVICE執行函數的比例

調優手段：

NPU親和API替換、Profiling工具

checkpoint保存：減少保存頻次，盡可能減少DEVICE和HOST的交互

訓練過程中summary數據的保存：NPU訓練對原始summary的兼容不友好，故涉及這類的API可以注釋掉。

（首先曬一張當時自己寫的作業圖）

TBE負責加載算子原型庫和自定義算子插件。

原因：

如圖可以看出TBE具有調度環節，根據官方文檔可以看出其功能。

官方文檔：https://support.huaweicloud.com/odevg-Inference-cann/atlaste_10_0013.html

根據官方文檔：https://support.huaweicloud.com/odevg-training-cann/atlaste_10_0101.html

可以看出 文檔中沒有約束要求一定要含有算子實現函數，故選B

參考官方文檔：https://support.huawei.com/enterprise/zh/doc/EDOC1100191915/d288908e

可以得出答案選B

參考官方文檔中的說明：https://support.huaweicloud.com/odevg-A800_3000_3010/atlaste_10_0092.html

可以看出并未提到要求CANN有關的算子類型，故選A

參考官方文檔中加粗的話：https://support.huaweicloud.com/tbedevg-cann503alpha1infer/atlaste_10_0085.html

可以得出答案選D。

首先說一下答案：1B 2A 3D(x和filter) 4C 5B

如果都是一樣的，那就不用辛苦做適配了！（獎品直接就是我的了嘿嘿嘿哈哈哈）

參考aclopExecuteV2接口官方文檔：https://support.huaweicloud.com/aclcppdevg-cann503alpha1infer/atlasapi_07_0113.html

可以看出全文沒有提到需要提前準備om文件。

A：PyTorch二維卷積函數 torch.nn.Conv2d() 有一個“padding_mode”的參數，可選項有4種：‘zeros’, ‘reflect’,

‘replicate’ or ‘circular’，其默認選項為’zeros’，也就是零填充，故A錯誤，不是必選而是可選。

D：兩個必選屬性為x和filter。

沒啥好說的，三短一長選最長（bushi）

可以查閱AscendCL官方文檔，結合第三次課錄屏得出答案。

在官方文檔中可以找到CANN的分析工具為Profilling。

機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。