Skip to content

Latest commit

 

History

History
87 lines (69 loc) · 5.21 KB

test_train_inference_python.md

File metadata and controls

87 lines (69 loc) · 5.21 KB
Raw

Linux端基础训练预测功能测试

Linux端基础训练预测功能测试的主程序为test_train_inference_python.sh，可以测试基于Python的模型训练、评估、推理等基本功能。

1. 测试流程

运行环境配置请参考文档的内容配置TIPC的运行环境。

1.1 安装依赖

  • 安装PaddlePaddle >= 2.0
  • 安装autolog（规范化日志输出工具） 
    git clone https://github.com/LDOUBLEV/AutoLog
cd AutoLog
pip3 install -r requirements.txt
python3 setup.py bdist_wheel
pip3 install ./dist/auto_log-1.0.0-py3-none-any.whl
cd ../

1.2 功能测试

先运行prepare.sh准备数据和模型，然后运行test_train_inference_python.sh进行测试，最终在test_tipc/output目录下生成python_infer_*.log格式的日志文件。

test_train_inference_python.sh包含5种运行模式，每种模式的运行数据不同，分别用于测试速度和精度，分别是：

  • 模式1：lite_train_lite_infer，使用少量数据训练，用于快速验证训练到预测的走通流程，不验证精度和速度；
bash test_tipc/prepare.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'lite_train_lite_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'lite_train_lite_infer'
  • 模式2：lite_train_whole_infer，使用少量数据训练，一定量数据预测，用于验证训练后的模型执行预测，预测速度是否合理；
bash test_tipc/prepare.sh ./test_tipc/configs/wide_deep/train_infer_python.txt  'lite_train_whole_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'lite_train_whole_infer'
  • 模式3：whole_infer，不训练，全量数据预测，走通开源模型评估、动转静，检查inference model预测时间和精度;
bash test_tipc/prepare.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'whole_infer'
# 用法1:
bash test_tipc/test_train_inference_python.sh ../test_tipc/configs/wide_deep/train_infer_python.txt 'whole_infer'
# 用法2: 指定GPU卡预测，第三个传入参数为GPU卡号
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'whole_infer' '1'
  • 模式4：whole_train_whole_infer，CE： 全量数据训练，全量数据预测，验证模型训练精度，预测精度，预测速度；
bash test_tipc/prepare.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'whole_train_whole_infer'
bash test_tipc/test_train_inference_python.sh ./test_tipc/configs/wide_deep/train_infer_python.txt 'whole_train_whole_infer'

运行相应指令后，在test_tipc/output文件夹下自动会保存运行日志。如'lite_train_lite_infer'模式下，会运行训练+inference的链条，因此，在test_tipc/output文件夹有以下文件：

test_tipc/output/
|- results_python.log    # 运行指令状态的日志
|- norm_train_gpus_0_autocast_null/  # GPU 0号卡上正常训练的训练日志和模型保存文件夹
|- pact_train_gpus_0_autocast_null/  # GPU 0号卡上量化训练的训练日志和模型保存文件夹
......
|- python_infer_cpu_usemkldnn_True_threads_1_batchsize_1.log  # CPU上开启Mkldnn线程数设置为1，测试batch_size=1条件下的预测运行日志
|- python_infer_gpu_usetrt_True_precision_fp16_batchsize_1.log # GPU上开启TensorRT，测试batch_size=1的半精度预测日志
......

其中results_python.log中包含了每条指令的运行状态，如果运行成功会输出：

Run successfully with command - python3.7 -u tools/trainer.py -m ./models/rank/wide_deep/config_bigdata.yaml -o runner.print_interval=2 runner.use_gpu=True  runner.model_save_path=./test_tipc/output/norm_train_gpus_0_autocast_False runner.epochs=4   auto_cast=False runner.train_batch_size=50 runner.train_data_dir=../../../test_tipc/data/train
Run successfully with command - python3.7 -u tools/to_static.py -m ./models/rank/wide_deep/config_bigdata.yaml -o runner.CE=true runner.model_init_path=./test_tipc/output/norm_train_gpus_0_autocast_False/3 runner.model_save_path=./test_tipc/output/norm_train_gpus_0_autocast_False
......

如果运行失败，会输出：

Run failed with command - python3.7 -u tools/trainer.py -m ./models/rank/wide_deep/config_bigdata.yaml -o runner.print_interval=2 runner.use_gpu=True  runner.model_save_path=./test_tipc/output/norm_train_gpus_0_autocast_False runner.epochs=4   auto_cast=False runner.train_batch_size=50 runner.train_data_dir=../../../test_tipc/data/train
Run failed with command - python3.7 -u tools/to_static.py -m ./models/rank/wide_deep/config_bigdata.yaml -o runner.CE=true runner.model_init_path=./test_tipc/output/norm_train_gpus_0_autocast_False/3 runner.model_save_path=./test_tipc/output/norm_train_gpus_0_autocast_False
......

可以很方便的根据results_python.log中的内容判定哪一个指令运行错误。

3. 更多教程

本文档为功能测试用，更丰富的训练预测使用教程请参考：
模型训练
基于Python预测引擎推理