昇思MindSpore进阶教程--开发常见问题

大家好，我是刘明，明志科技创始人，华为昇思MindSpore布道师。
技术上主攻前端开发、鸿蒙开发和AI算法研究。
努力为大家带来持续的技术分享，如果你也喜欢我的文章，就点个关注吧

MindSpore官网提供了一份在使用MindSpore过程中的 FAQ ，本章也整理了一下在迁移文档中提及的常见问题及解决方法。

环境准备

Q: 如何搭建MindSpore环境？

A: MindSpore目前支持在昇腾、GPU、CPU等多种设备上运行，但在安装过程中需要注意选择配套的硬件平台、操作系统、Python版本，否则会出现很多不可预测的报错。详细可参考 安装指导 。

更多环境准备常见问题请参考 环境准备常见问题分析 。

模型分析与准备

Q: 如何查看MindSpore对迁移代码中的API支持程度？

A: 可以使用API自动扫描工具MindSpore Dev Toolkit（推荐），或手动查询API映射表进行分析。详细可参考 分析API满足度 。

数据处理

Q: 怎么将PyTorch的dataset转换成MindSpore的dataset？

A: MindSpore和PyTorch的自定义数据集逻辑是比较类似的，首先需要用户先定义一个自己的 dataset 类，该类负责定义 init 、 getitem 、 len 来读取自己的数据集，然后将该类实例化为一个对象（如: dataset/dataset_generator ），最后将这个实例化对象传入 GeneratorDataset (mindspore用法)/ DataLoader (pytorch用法)，至此即可以完成自定义数据集加载了。

而MindSpore在 GeneratorDataset 的基础上提供了进一步的 map -> batch 操作，可以很方便地让用户在 map 内添加一些其他的自定义操作，并将其 batch 起来。

对应的MindSpore的自定义数据集加载如下:

# 1 Data enhancement,shuffle,sampler.
class Mydata:def __init__(self):np.random.seed(58)self.__data = np.random.sample((5, 2))self.__label = np.random.sample((5, 1))def __getitem__(self, index):return (self.__data[index], self.__label[index])def __len__(self):return len(self.__data)
dataset_generator = Mydata()
dataset = ds.GeneratorDataset(dataset_generator, ["data", "label"], shuffle=False)
# 2 Customized data enhancement
dataset = dataset.map(operations=pyFunc, {other_params})
# 3 batch
dataset = dataset.batch(batch_size, drop_remainder=True)

Q: 为什么在迭代数据的时候会报错：“The actual amount of data read from generator xx is different from generator.len xx, you should adjust generator.len to make them match” ？

A: 在定义可随机访问数据集时， len 方法返回的结果一定要是真实的数据集大小，设置大了在 getitem 取值时会有越界问题。如数据集大小未确定，可以使用可迭代数据集，详见 自定义数据集 。

Q: 为什么在迭代数据的时候会报错：“Invalid Python function, the ‘source’ of ‘GeneratorDataset’ should return same number of NumPy arrays as specified in column_names, the size of column_names is:xx and number of returned NumPy array is:xx” ？

A: 这是因为GeneratorDataset的 column_names 参数指定的列名数量与 source 参数输出的数据数量不匹配。

Q: 使用 GeneratorDataset 或 map 进行加载/处理数据时，可能会因为语法错误、计算溢出等问题导致数据报错，如何进行排查和调试？

A: 观察报错栈信息，由报错栈信息大概定位到出错代码块，在出错的代码块附近添加打印或调试点，进一步调试。详细可参考 数据处理调试方法一 。

Q: 数据增强 map 操作出错，如何调试 map 操作中各个数据处理算子？

A: 可以通过单个算子执行的方式调试或者通过数据管道调试模式调试 map 操作。
Q: 在训练的时候，会获得非常多warning提示我们数据集性能较慢应该怎么处理？

A: 可以单独迭代数据集，查看每条数据的处理时间，以此判断数据集的性能如何。详细可参考 数据处理调试方法三 。

Q: 在对数据进行处理的过程中，如果因为计算错误、数值溢出等因素，产生了异常的结果数值，从而导致训练网络时算子计算溢出、权重更新异常等问题该怎么排查？

A: 关闭混洗，固定随机种子，确保可重现性，然后利用NumPy等工具快速校验结果。详细可参考 数据处理调试方法四 。

更多数据处理常见问题请参考 数据处理常见问题分析 以及迁移中的数据处理差异请参考 MindSpore和PyTorch的数据处理差异 。

梯度求导

Q: 如何自己实现算子的反向计算？

A: MindSpore提供了自动的梯度求导接口，该功能对用户屏蔽了大量的求导细节和过程。但如果有某些特殊场景，用户需要手动控制其反向的计算，用户也可以通过Cell.bprop接口对其反向进行定义。详细可参考 自定义Cell反向 。

Q: 如何处理梯度溢出造成训练不稳定的问题？

A: 网络溢出一般表现为loss Nan/INF，loss突然变得很大等。MindSpore提供 dump数据 获取到溢出算子信息。当网络中出现梯度下溢时，可使用loss scale配套梯度求导使用，详细可参考 loss scale ；当网络出现梯度爆炸时，可考虑添加梯度裁剪，详细可参考 梯度裁剪 。

调试调优

Q: 请问想加载PyTorch预训练好的模型用于MindSpore模型finetune有什么方法？

A: 需要把PyTorch和MindSpore的参数进行一一对应，因为网络定义的灵活性，所以没办法提供统一的转化脚本。

一般情况下，CheckPoint文件中保存的就是参数名和参数值，调用相应框架的读取接口后，获取到参数名和数值后，按照MindSpore格式，构建出对象，就可以直接调用MindSpore接口保存成MindSpore格式的CheckPoint文件了。

其中主要的工作量为对比不同框架间的parameter名称，做到两个框架的网络中所有parameter name一一对应(可以使用一个map进行映射)，下面代码的逻辑转化parameter格式，不包括对应parameter name。

import torch
import mindspore as msdef pytorch2mindspore(default_file = 'torch_resnet.pth'):# read pth filepar_dict = torch.load(default_file)['state_dict']params_list = []for name in par_dict:param_dict = {}parameter = par_dict[name]param_dict['name'] = nameparam_dict['data'] = ms.Tensor(parameter.numpy())params_list.append(param_dict)ms.save_checkpoint(params_list,  'ms_resnet.ckpt')

Q: loss不收敛或精度不达标，该怎么定位？

A: 精度不达标一般体现在loss不收敛上。但是有很多复杂的原因可导致精度达不到预期，定位难度较大。这里提供几个指导链接供用户逐一排查问题。

Q: 模型训练过程中，第一个step耗时很长，该怎么优化？

A: 模型训练过程中，第一个step包含网络编译时长，如果想要优化第一个step的性能，可分析模型编译是否能进行优化。详细可参考 静态图网络编译性能优化 。

Q: 模型训练过程中，非首个step耗时很长，该怎么优化？

A: 模型训练过程中，非首个step的耗时包括迭代间隙、前反向计算和迭代拖尾，如果想要优化非首step的性能，需要先获取网络的迭代轨迹，再分析哪部分是性能瓶颈，最近进行性能优化。

详细可参考 性能调优指南 ；和 性能调试案例 。

Q: 加载标杆权重进行模型推理验证正向流程时，有warning警告显示权重未加载成功，该如何解决？

A: load_checkpoint过程中，如果有权重未加载上，MindSpore会给出warning提示，一般加载失败有两种原因：1、权重名称对不上；2、权重在网络中缺失。

如果权重名称对不上，需要打印MindSpore的权重名称和标杆的权重名称，看是否MindSpore的权重名称多了backbone或network等前缀，如果是，检查MindSpore在初始化 Cell 时是否加上auto_prefix=False。

如果权重名称缺失，需要分析是否合理，如果合理，可忽略告警提示，如果不合理，需要分析网络定义是否错误，进行定位修改。

Q: 迁移过程使用PyNative进行调测，流程成功，切换成Graph模式，为什么会出现一堆的报错？

A: PyNative模式下模型进行推理的行为与一般Python代码无异。但是切换成Graph模式时，MindSpore通过源码转换的方式，将Python的源码转换成中间表达IR（Intermediate Representation），并在此基础上对IR图进行优化，最终在硬件设备上执行优化后的图。

而这一步操作中MindSpore目前还未能支持完整的Python语法全集，所以construct函数的编写会存在部分限制。

如：PyNative模式下可直接判断某个Tensor值是否为0，但切换成Graph模式则会报错不支持。

if response == 0:return loss
return loss/response

遇到类似情况，可将代码修改为：

response_gt = max(response, ms.Tensor(1))
loss = loss/response_gt
return loss