check nan inf工具
check nan inf工具用于检查Operator的结果是否含有nan(not a number,非有效数)或inf(infinite,无穷大数)。支持float32、double、float16三类浮点型,整型由于不存在nan、inf不作检查。
使用
1. 使用方法
设置环境变量为FLAGS_check_nan_inf为True或者1即可。
- export FLAGS_check_nan_inf=1 # 或者=True
2. 进阶使用
添加上述环境变量后,可以通过设置环境变量跳过op、op类型及op变量的检查。设置的格式如下:
- PADDLE_INF_NAN_SKIP_OP="op0,op1,op2"
- PADDLE_INF_NAN_SKIP_ROLE="role1,role2,role3"
- PADDLE_INF_NAN_SKIP_VAR="op0:var0,op0:var1,op1:var0"
其中上面三个环境变量分别表示跳过op、op类型和op里变量的检查。
2.1 跳过op检查
如下设置中前一个只跳过mul op的nan inf检查,后一个设置则跳过mul、softmax_with_cross_entropy这两个op的检查。 注意
:op跳过只接受精准匹配,要跳过softmax_with_cross_entropy的检查,不能设置环境变量为softmax_with或者with_cross进行模糊匹配,必须设置softmax_with_cross_entropy全名。
- export PADDLE_INF_NAN_SKIP_OP="mul"
- export PADDLE_INF_NAN_SKIP_OP="mul,softmax_with_cross_entropy"
2.2 跳过op类型检查
目前接受的类型有: forward、backward、optimize、rpc、dist、lrsched、loss、default。正常fp32训练中,不需要跳过op类型进行nan inf检查。但在fp16
中,在反向过程出现inf会对其进行修正,所以一般需要跳过backward的检查,这也是添加该功能的缘由。 如下设置中前一个只跳过backward的检查,后一个设置跳过backward、optimize两种类型的检查。同上,op类型跳过也只支持精准匹配。
- export PADDLE_INF_NAN_SKIP_ROLE="backward"
- export PADDLE_INF_NAN_SKIP_ROLE="backward,optimize"
2.3 跳过指定op中变量的检查
如下设置中前一个跳过mul op中fc_0.tmp_0变量,后一个设置则跳过mul op中fc_0.tmp_0和fc_0.tmp_1变量及 dropout op的new_relative变量。
- export PADDLE_INF_NAN_SKIP_VAR="mul:fc_0.tmp_0"
- export PADDLE_INF_NAN_SKIP_VAR="mul:fc_0.tmp_0,mul:fc_0.tmp_1,dropout:new_relative"
注意
:指定op变量检查中,对于op只接受精准匹配,对于变量则为模糊匹配,如上述的mlu op中的fc_0.tmp_0和fc_0.tmp_1变量可用c_0.tmp进行匹配。
试用
可以使用单测中的check_nan_inf_base.py文件进行试用。该脚本已设置FLAGS_check_nan_inf=1打开check nan inf功能。直接python check_nan_inf_base.py执行即可。
1. GPU日志信息
其中GPU的check nan信息由于在GPU中打印,所以nan inf信息会出现在出错信息栈前面。工具中会打印出现inf、nan的op及tensor名称,每个block会打印nan、inf、num中的3个值,并打印各自block中nan、inf、num的数量。
2. CPU日志信息
CPU中打印的nan、inf、num会在出错信息栈前面显示,同样打印了nan、inf、num中的三个值,并打印nan、inf、num的数量。check nan信息中op及tensor的名称会在最后显示。
速度
测试环境:v100 32G单卡测试,Resnet50模型,imagenet数据集。不同环境模型数据集下速度可能不同,以下速度仅供参考
不检查nan inf速度,每张卡307.7 images/s。 检查nan inf速度,每张卡250.2 images/s。
原理
1. 工具原理
对于浮点类型操作,正常数值num,无穷大inf,非数值nan有如下运行关系。更详细可查看INF, NAN, and NULL
- nan - nan = nan, inf - inf = nan, num - num = 0,
- nan + nan = nan, inf + inf = inf, nan + 0 = nan,
- inf + 0 = inf, nan + inf = nan, 0 + 0 = 0
基于此使用如下操作仅需最后检查sum是否为nan或者inf就行了。
- for(value:values): sum += (value-value)
注意
:本文档的进阶使用、速度、原理目前仅在develop版本的paddle生效,并将随1.7版本的paddle发布。 此前版本的check nan inf工具在GPU上不推荐使用,旧工具速度为0.25 images/s,测试会拖慢1000多倍的训练速度。