数据准备

推理场景

需要在模型转换时，完成op_debug_level和debug_dir参数配置。流程如下：

1. 启动Model Converter。
2. 单击Advanced Options下拉框。
3. 将Additional Arguments置于开启状态，填入“op_debug_level”参数（例如：--op_debug_level=2）和“debug_dir”参数（生成debug文件的路径，该路径为工程下的指定路径，其中路径下的“compile_path_infer”文件夹须自行创建）。如图1所示。
   图1 配置参数
   
   

   Windows环境下暂不支持开启Additional Arguments填入“op_debug_level”参数和“debug_dir”参数进行转换，可在关闭Additional Arguments情况下直接启动转换。

训练场景

1. 当训练过程中发现AI Core Error问题时，用户可参考如下步骤配置op_debug_level和enable_exception_dump参数。
   • Estimator模式下，开启op_debug_level和enable_exception_dump：

     from npu_bridge.estimator.npu.npu_config import NPURunConfig
     from npu_bridge.estimator.npu.npu_config import DumpConfig
     
     session_config=tf.ConfigProto()
     
     config = NPURunConfig(
       op_debug_level = 2,            //开启算子debug功能。
       session_config=session_config,
       enable_exception_dump=1       //Dump AI Core Error算子的输入和输出信息，dump信息生成在当前脚本执行目录。不支持dump动态shape算子。
       )

   • sess.run模式下，开启op_debug_level和enable_exception_dump：

     import tensorflow as tf
     from npu_bridge.estimator import npu_ops
     from tensorflow.core.protobuf.rewriter_config_pb2 import RewriterConfig
     
     config = tf.ConfigProto()
     
     custom_op =  config.graph_options.rewrite_options.custom_optimizers.add()
     custom_op.name =  "NpuOptimizer" 
     custom_op.parameter_map["use_off_line"].b = True
     custom_op.parameter_map["enable_exception_dump"].i = 1  //Dump AI Core Error算子的输入和输出信息，dump信息生成在当前脚本执行目录。不支持dump动态shape算子。
     custom_op.parameter_map["op_debug_level"].i = 2         //开启算子debug功能。
     config.graph_options.rewrite_options.remapping = RewriterConfig.OFF  #关闭remap开关
     
     with tf.Session(config=config) as sess:
       print(sess.run(cost))

2. 重新执行训练后，会在训练执行目录下生成指令映射文件和异常算子dump文件。

op_debug_level参数说明