命令格式说明

-m

--my_dump_path

基于昇腾AI处理器运行生成的数据文件所在目录。即为3查找的参数dump结果目录。

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/HwHiAiUser/MyApp_mind/resnet50，其中resnet50文件夹下直接保存dump数据文件。

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TensorFlow和PyTorch为原始训练网络的比对。

多个dump数据文件的批量比对时，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。

其中：dump_path为Dump文件保存路径；time为时间戳；device_id为Device设备ID号；model_name子图名称；model_id子图ID号；dump_step为指定采集哪些迭代的Data Dump数据，存在多个step时，只选step最大的进行比对；dump文件为dump文件名。

是

-g

--golden_dump_path

基于GPU/CPU运行生成的原始网络数据文件所在目录。

由于npy数据文件是多个npy文件，故须指定npy数据文件所在的父目录。如：/home/HwHiAiUser/Standard_caffe/resnet50 ，其中resnet50文件夹下直接保存npy数据文件。

是

-f

--fusion_rule_file

全网层信息文件（通过使用ATC转换.txt图文件生成的json文件）。.txt图文件为2查找的计算图文件。

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。

否

-out

--output

比对数据结果存放路径，默认为当前路径。

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。

否

-map

--mapping

输出GPU/NPU的映射表。

一般情况下GPU/NPU的映射表需要在完成精度比对之后，才能从csv中获取。本参数实现在精度比对前，直接提取GPU/NPU的映射表。建议在比对数据量太大，需要提前获取GPU/NPU的映射表的场景下使用。详细操作请参见获取GPU/NPU的映射表。

否

-c

--custom_script_path

用户自定义脚本文件存放路径，包括自定义算法.py文件和自定义Format转换.py文件，需指定到脚本目录的上一层目录。指定本参数时判断是否存在以下文件目录：

• 存在自定义算法.py文件目录，目录格式为“algorithm”，则读取“algorithm”目录下的自定义算法.py文件，生成自定义算法，可通过-alg参数指定为比对算法。自定义算法.py文件相关要求参见准备自定义算法.py文件。
• 存在自定义Format转换.py文件目录，目录格式为“format_convert”，则读取“format_convert”目录下的自定义Format转换.py文件。自定义Format转换.py文件相关要求参见准备自定义Format转换.py文件。

不建议调用与当前用户不一致的其它用户目录下的自定义脚本文件，避免提权风险。

否

-a

--advance_options

比对算法的高级选项，可为指定的算法设置参数，指定的算法必须是-alg参数下的基本算法或者-c参数的自定义算法，被本参数设置后的算法以本参数设置的值执行运算。

输入格式为：算法名:参数名=值,参数名=值;算法名:参数名=值,参数名=值。参数之间是逗号分隔，不同算法是分号分隔，例如："CosineSimilarity:max=1,min=0;aa:max=1,min=0"。其中算法名与-c参数自定义算法.py文件的algorithm_name（参见准备自定义算法.py文件）一致。

否

-alg

--algorithm

比对维度，取值为：

• 0：CosineSimilarity，表示余弦相似度算法。
• 1：MaxAbsoluteError，表示最大绝对误差算法。
• 2：AccumulatedRelativeError，表示累积相对误差算法。
• 3：RelativeEuclideanDistance，表示欧氏相对距离算法。
• 4：KullbackLeiblerDivergence，表示KL散度算法。
• 5：StandardDeviation，表示标准差算法。
• 6：MeanAbsoluteError，表示平均绝对误差。
• 7：RootMeanSquareError，表示均方根误差。
• 8：MaxRelativeError，表示最大相对误差。
• 9：MeanRelativeError，表示平均相对误差。
• all：比对全部算法（包含自定义和内置算法）

配置不同的取值则使用该取值对应维度的算法进行比对，也可指定-c参数的自定义算法名algorithm_name，例如自定义算法名为alg_RelativeError.py，可多选，all为默认取值，配置格式为各取值间用逗号分隔，可配置为数字或算法名，例如0,1,2,RelativeError。

若只选择比对部分维度，则比对结果同样只展示对应维度。

否

-v

--version

dump文件类型，1代表protobuf序列化后的数据文件，2代表自定义格式的数据文件。默认取2。

否

-r

--range

设定算子比对范围。配置方式如下：

• start：第一个比对的算子，取值范围为[1, 参与计算的算子个数]，默认值为1。
• end：最后一个比对的算子，取值范围为-1或[start, 参与计算的算子个数]，默认值为-1（动态获取网络模型中最后一个参与计算的算子）。
• step：第start+step*n个比对的算子，step取值范围为[1, 参与计算的算子个数)，默认值为1，n为从1开始的正整数。

配置格式为：“start,end,step”。比如：-r 1,101,20，表示算子1,21,41,61,81,101的Tensor参与比对。

不配置本参数时，比对网络模型中的所有参与计算的算子。

否

-p

--post_process

精度比对时，提取dump数据文件以及比对结果文件中存在精度问题的数据，保存在结果文件同级目录的result_{timestamp}_filtered文件夹下。

取值为：

• 0：表示不提取，默认不提取。
• 1：提取存在精度问题的数据，若需提取则配置为1。

result_{timestamp}_filtered文件夹保存内容包括：

• 提取后的比对结果：filtered_result.csv。
• 提取的GPU和NPU数据（两个文件夹）：gold_dump，my_dump。

不配置本参数时，比对并输出整网算子数据。

仅PyTorch比对支持本参数。

否

-overflow_detection

整网算子溢出检测。进行整网比对时可检测溢出算子。

默认未配置本参数。

当算子的Tensor数据类型是fp16时，tensor中的任意一个数值的绝对值 >= 65504，认为算子溢出。

否

注：比对PyTorch算子的训练结果时，仅支持-m、-g、-out、-alg和-p五个参数。