search

Oneflow-Inc / DLPerf

DeepLearning Framework Performance Profiling Toolkit
Apache License 2.0
275 stars 27 forks source link

一些文档里可能可以描述更详细的地方(个人踩到的一些小坑） #111

Closed zzt941006 closed 3 years ago

zzt941006 commented 3 years ago

1.框架安装过程中，可能不一定会自带tensorflow_hub，tensorflow_addons，可以提醒评测人员，如果没有pip安装一下。 2.gin这个包也可能原始的环境中没有，可以提示一下评测人员安装，并且要注意不是直接pip gin,而是得pip gin-config。 3.直接执行混合精度的这个语句：bash run_single_node.sh 64 fp16，似乎会报错：run_single_node.sh:line 9 : [: fp16: integer expression expected. 因此是不是前面的参数还是补齐一下再运行会更好一些？ 4.tf2.x我复现了不开xla的性能结果，但是想自验开xla的情况，直接将use_xla设置为了true，但是性能结果与不开一致。然后发现打出来的日志里，无论是开与不开都有以下几句： XLA service 0x55a2805f39c0 initialized for platform Host (this does not guarantee that XLA will be used). Devices:StreamExecutor device (0): Host, Default Version XLA service 0x55a28065fd40 initialized for platform CUDA (this does not guarantee that XLA will be used). Devices: StreamExecutor device (0): Tesla V100-SXM2-16GB, Compute Capability 7.0 是不是这意味着 很可能开关上把use_xla设置为了true，但是实际上运行过程中xla仍旧未能使能？

以上是我在运行过程中遇到的一些坑与疑惑，还请有时间check一下，解答一下，谢谢！

Flowingsun007 commented 3 years ago

感谢您的反馈！

zzt941006 commented 3 years ago

感谢您的反馈！

  • 各种依赖库确实很重要，有的是安装框架时自动安装的，有的是必须手动安装否则会报错。我们会在以后的测试中增加必要的pip包的信息及版本说明；
  • 我们检查了脚本，发现是有默认参数的，且直接运行bash run_single_node.sh 64 fp16并无报错，请检测下脚本是否有异常；
  • tf2.x的bert加xla的数据，我们很快将进行测试，从上述log无法判断是否用了xla，具体是否应用成功需要更详细的log信息。不过，首先请确保安装的tf版本，其支持的CUDA版本和本地安装的cuda版本匹配，否则可能无法正常开启XLA。如果本地安装了多个版本的CUDA,可以用环境变量指定使用具体版本的CUDA： XLA_FLAGS="--xla_gpu_cuda_data_dir=[CUDA path]" python3 xxx.py

查看了一下本地安装的CUDA的版本，应该只有一个，利用cat /usr/local/cuda/version.txt 显示的是CUDA Version 10.1.105,并未装其它版本。

YongtaoShi commented 3 years ago

您好，tf官方的run_pretrain.py脚本对xla的支持有些问题，现已在我们的文档中加入了修复说明。 tf2.x的bert加xla的数据已经测试完成，欢迎查看。