迁移第三方框架训练脚本

Linux Ascend GPU CPU 全流程 初级 中级 高级

迁移第三方框架训练脚本 - 图1

概述

你可能已经编写过TensorFlow、PyTorch等框架的脚本，本教程介绍如何将已有的TensorFlow、PyTorch等的网络迁移到MindSpore，包括主要步骤和操作建议，帮助你快速进行网络迁移。

准备环节

在动手改造你的脚本前，请先做好算子评估和软硬件环境准备，确保MindSpore可以支持你希望迁移的网络。

算子评估

分析待迁移的网络中所包含的算子，结合MindSpore算子支持列表，梳理出MindSpore对这些算子的支持程度。

以ResNet-50为例，Conv和BatchNorm是其中最主要的两个算子，它们已在MindSpore支持的算子列表中。

如果发现没有对应算子，建议：

  • 使用其他算子替换：分析算子实现公式，审视是否可以采用MindSpore现有算子叠加达到预期目标。

  • 临时替代方案：比如不支持某个Loss，是否可以替换为同类已支持的Loss算子；又比如当前的网络结构，是否可以替换为其他同类主流网络等。

如果发现支持的算子存在功能不全，建议：

  • 非必要功能：可删除。

  • 必要功能：寻找替代方案。

如果上述仍不能满足你的要求，你可以在MindSpore社区提出诉求。

软硬件环境准备

准备好硬件环境，查看与你环境对应平台的安装指南，完成MindSpore的安装。

E2E迁移网络

训练阶段

脚本迁移

MindSpore与TensorFlow、PyTorch在网络结构组织方式上，存在一定差别，迁移前需要对原脚本有较为清晰的了解，明确地知道每一层的shape等信息。

你也可以使用MindConverter工具实现PyTorch网络定义脚本到MindSpore网络定义脚本的自动转换。

下面，我们以ResNet-50的迁移，并在Ascend 910上训练为例：

  1. 导入MindSpore模块。

    根据所需使用的接口，导入相应的MindSpore模块，模块列表详见https://www.mindspore.cn/doc/api_python/zh-CN/r1.0/index.html。

  2. 加载数据集和预处理。

    使用MindSpore构造你需要使用的数据集。目前MindSpore已支持常见数据集，你可以通过原始格式、MindRecord、TFRecord等多种接口调用，同时还支持数据处理以及数据增强等相关功能，具体用法可参考准备数据教程。

    本例中加载了Cifar-10数据集，可同时支持单卡和多卡的场景。

    1. if device_num == 1:
    2.     ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=4, shuffle=True)
    3. else:
    4.     ds = de.Cifar10Dataset(dataset_path, num_parallel_workers=4, shuffle=True,
    5.                            num_shards=device_num, shard_id=rank_id)

    然后对数据进行了数据增强、数据清洗和批处理等操作。代码详见https://gitee.com/mindspore/mindspore/blob/r1.0/model_zoo/official/cv/resnet/src/dataset.py。

  3. 构建网络。

    与TensorFlow相比，MindSpore对于卷积的最大差异在于数据格式。MindSpore整网默认使用NCHW的格式，与常见的TensorFlow所使用的NHWC不同。

    以batch_size=32的ResNet-50网络中第一层卷积为例:

    • 在TensorFlow中，输入feature的格式为[32, 224, 224, 3]，卷积核大小为[7, 7, 3, 64]。

    • 在MindSpore中，输入feature的格式为[32, 3, 224, 224]，卷积核大小为[64, 3, 7, 7]。

      ``` def _conv7x7(in_channel, out_channel, stride=1):

      1. weight_shape = (out_channel, in_channel, 7, 7)
      2. weight = _weight_variable(weight_shape)
      3. return nn.Conv2d(in_channel, out_channel,
      4.                 kernel_size=7, stride=stride, padding=0, pad_mode='same', weight_init=weight)
  1.     def _bn(channel):
  2.         return nn.BatchNorm2d(channel, eps=1e-4, momentum=0.9,
  3.                             gamma_init=1, beta_init=0, moving_mean_init=0, moving_var_init=1)
  4.     ```

  1. 构造子网。

    MindSpore中使用nn.Cell来构造一个子网结构。子网内遵循先定义后使用的原则来搭建网络结构。每一个需要使用的算子需先定义在Cell的__init__函数内，然后在construct函数内将定义好的算子连接起来，最后将子网的输出通过return返回。

    1. class ResidualBlock(nn.Cell):
    2.     """
    3.     ResNet V1 residual block definition.
    5.     Args:
    6.         in_channel (int): Input channel.
    7.         out_channel (int): Output channel.
    8.         stride (int): Stride size for the first convolutional layer. Default: 1.
    10.     Returns:
    11.         Tensor, output tensor.
    13.     Examples:
    14.         >>> ResidualBlock(3, 256, stride=2)
    15.     """
    16.     expansion = 4
    18.     def __init__(self,
    19.                 in_channel,
    20.                 out_channel,
    21.                 stride=1):
    22.         super(ResidualBlock, self).__init__()
    24.         channel = out_channel
    25.         self.conv1 = _conv1x1(in_channel, channel, stride=1)
    26.         self.bn1 = _bn(channel)
    28.         self.conv2 = _conv3x3(channel, channel, stride=stride)
    29.         self.bn2 = _bn(channel)
    31.         self.conv3 = _conv1x1(channel, out_channel, stride=1)
    32.         self.bn3 = _bn_last(out_channel)
    34.         self.relu = nn.ReLU()
    36.         self.down_sample = False
    38.         if stride != 1 or in_channel != out_channel:
    39.             self.down_sample = True
    40.         self.down_sample_layer = None
    42.         if self.down_sample:
    43.             self.down_sample_layer = nn.SequentialCell([_conv1x1(in_channel, out_channel, stride),
    44.                                                         _bn(out_channel)])
    45.         self.add = P.TensorAdd()
    47.     def construct(self, x):
    48.         identity = x
    50.         out = self.conv1(x)
    51.         out = self.bn1(out)
    52.         out = self.relu(out)
    54.         out = self.conv2(out)
    55.         out = self.bn2(out)
    56.         out = self.relu(out)
    58.         out = self.conv3(out)
    59.         out = self.bn3(out)
    61.         if self.down_sample:
    62.             identity = self.down_sample_layer(identity)
    64.         out = self.add(out, identity)
    65.         out = self.relu(out)
    67.         return out

  2. 定义串联结构。

    ResNet-50网络中有大量的重复结构，TensorFlow中可以使用for循环调用函数的方式来减少重复代码。MindSpore中，我们定义的每一个Cell对象都是独立的，尤其对于内部存在权重参数的子网，定义的Cell是不能重复使用的，如果出现大量重复串联结构，可以使用循环构造多个Cell实例并通过SequentialCell来串联。

    1. def _make_layer(self, block, layer_num, in_channel, out_channel, stride):
    2.     """
    3.     Make stage network of ResNet.
    5.     Args:
    6.         block (Cell): Resnet block.
    7.         layer_num (int): Layer number.
    8.         in_channel (int): Input channel.
    9.         out_channel (int): Output channel.
    10.         stride (int): Stride size for the first convolutional layer.
    12.     Returns:
    13.         SequentialCell, the output layer.
    15.     Examples:
    16.         >>> _make_layer(ResidualBlock, 3, 128, 256, 2)
    17.     """
    18.     layers = []
    20.     resnet_block = block(in_channel, out_channel, stride=stride)
    21.     layers.append(resnet_block)
    23.     for _ in range(1, layer_num):
    24.         resnet_block = block(out_channel, out_channel, stride=1)
    25.         layers.append(resnet_block)
    27.     return nn.SequentialCell(layers)

  3. 构造整网。

    将定义好的多个子网连接起来就是整个ResNet-50网络的结构了。同样遵循先定义后使用的原则，在__init__中定义所有用到的子网，在construct中连接子网。

  4. 定义损失函数和优化器。

    定义好网络后，还需要相应地定义损失函数和优化器。

    1. loss = SoftmaxCrossEntropyWithLogits(sparse=True)
    2. opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), lr, config.momentum, config.weight_decay, config.loss_scale)

  5. 构造模型。

    类似于TensorFlow的Estimator接口，将定义好的网络原型、损失函数、优化器传入MindSpore的Model接口，内部会自动将其组合成一个可用于训练的网络。

    如果需要在训练中使用Loss Scale，则可以单独定义一个loss_scale_manager，一同传入Model接口。

    1. loss_scale = FixedLossScaleManager(config.loss_scale, drop_overflow_update=False)

    如果希望使用Model内置的评估方法，则可以使用metrics属性设置希望使用的评估方法。

    1. model = Model(net, loss_fn=loss, optimizer=opt, loss_scale_manager=loss_scale, metrics={'acc'})

    类似于TensorFlow的estimator.train，可以通过调用model.train接口来进行训练。CheckPoint和中间结果打印等功能，可通过Callback的方式定义到model.train接口上。

    1. time_cb = TimeMonitor(data_size=step_size)
    2. loss_cb = LossMonitor()
    3. cb = [time_cb, loss_cb]
    4. if config.save_checkpoint:
    5.     config_ck = CheckpointConfig(save_checkpoint_steps=config.save_checkpoint_steps,
    6.                                     keep_checkpoint_max=config.keep_checkpoint_max)
    7.     ckpt_cb = ModelCheckpoint(prefix="resnet", directory=config.save_checkpoint_path, config=config_ck)
    8.     cb += [ckpt_cb]
    9. model.train(epoch_size, dataset, callbacks=cb)

精度调试

精度调优过程建议如下两点：

  1. 单卡精度验证时，建议先采用小数据集进行训练。验证达标后，多卡精度验证时，再采用全量数据集。这样可以帮助提升调试效率。

  2. 首先删减脚本中的不必要技巧（如优化器中的增强配置、动态Loss Scale等），验证达标后，在此基础上逐个叠加新增功能，待当前新增功能确认正常后，再叠加下一个功能。这样可以帮助快速定位问题。

云上集成

请参考在云上使用MindSpore，将你的脚本运行在ModelArts。

推理阶段

在Ascend 910 AI处理器上训练后的模型，支持在不同的硬件平台上执行推理。详细步骤可参考多平台推理教程。

样例参考

  1. 常用数据集读取样例

  2. Model Zoo