（beta）torch_npu.npu.stress_detect

产品支持情况

功能说明

提供精度在线检测接口，供模型调用。主要通过StressDetect接口实现，该接口会对硬件做压力测试检测是否存在静默精度问题。

函数原型

参数说明

detect_type (str)：可选参数，可支持配置为aic或hccs，分别表示硬件在线精度检测和HCCS链路在线精度检测。配置其他值时直接返回1（表示执行失败），默认值为aic。

说明：[object Object] 当detect_type配置为hccs时，首先基于全局通信域创建本机所有卡的子通信域，然后对该子通信域进行HCCS链路压测。

返回值说明

• 接口返回值为int，代表错误类型，含义如下所示：

  • 0：在线精度检测通过。

  • 1：在线精度检测用例执行失败。

  • 2：在线精度检测不通过，硬件故障。

• 若报如下异常，则表示电压恢复失败，需参见手动恢复电压或reboot。

  [object Object]

约束说明

• 精度在线检测的使用需要修改用户的模型训练脚本，建议在训练开始前、结束后以及两个step之间调用，同时需要预留10G大小的内存供压测接口使用。
• HCCS链路在线检测（detect_type="hccs"）需要初始化全局通信域后才能进行调用。
• 精度在线检测用例，不支持在同一节点运行多个训练作业场景下使用，同时调压功能不支持算力切分场景。
• 不建议使用多线程运行在线精度检测用例。

调用示例