-
Notifications
You must be signed in to change notification settings - Fork 14
2018 08
注：最新的日志记录在最上面
值班人：董志宏 http://ce.paddlepaddle.org:8080/viewLog.html?tab=buildLog&buildTypeId=PaddleCe_CEBuild&buildId=1558 现象：sequence_tagging_for_ner 模型速度下降 分析：这个PR https://github.com/PaddlePaddle/Paddle/pull/13094 修复了ShareDataWith的错误接口，修复后多了一次内存拷贝，降低了速度，该模型里使用了shrinkMemoryOp。更新最新的kpi
值班人：董志宏
CE问题1：dist_resnet50失败 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1529&tab=buildLog&buildTypeId=PaddleCe_CEBuild&logTab=tail http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1542&buildTypeId=PaddleCe_CEBuild&tab=buildLog
现象：CE任务build失败，找不到dist_resnet速度指标文件
分析：速度指标文件在对应CE机器上被删了，正在修复
附加分析(闵启阳): PaddleCloud随机生成错误的环境变量, 导致多机任务失败, 所以未获得指标文件, 导致报错找不到指标文件, 问题已修复
值班人：严春伟 CE问题1：resnet50_net_GPU失败 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1512&tab=buildLog&buildTypeId=PaddleCe_CEBuild&logTab=tree&filter=all#_state=86
现象：两个速度指标出现小幅下降，一个精度出现异常 分析：此task在flower数据下无法固定指标，已经交给chengduo提交pr disable相关指标；待有时间固定指标后再打开。
值班人： 郭超容
CE问题1： 昨天resnet50_net_GPU模型有随机性，修复pr：https://github.com/PaddlePaddle/paddle-ce-latest-kpis/pull/140 ，今日无新增问题
CE问题2： xxx
CI问题： 无
值班人：卫科 问题：resnet50_net_GPU和resnet50_net_CPU模型的acc和speed指标不太稳定，在0.003左右波动。
值班人：武毅
问题：revert两个pr后， CE恢复。
值班人： 武毅
问题1：青青老师pr导致 resnet50 和 vgg16 的speed下降4-5%,
revert pr：https://github.com/PaddlePaddle/Paddle/pull/12902
问题2：于洋老师pr导致几个模型speed 继续下降5%左右，
revert pr： https://github.com/PaddlePaddle/Paddle/pull/12903
值班人： 武毅
问题： 从commit开始f5d5d7b2d989e8aa5b5e637fd04318566b23f2fe，5个模型speed 下降，
值班人：武毅
问题： 多机fail：再次出现磁盘不够，disbale多机case
，可能需要修改CE 的机器docker 磁盘驱动, 改为到 overlay2
值班人：武毅
问题1： CE 多机fail： 磁盘不够，重新设置dockerd 配置重启，解决
问题2： 继续失败， 问题：acc的KPI 阈值超过。 修改acc基数
值班人：邱学忠
问题：无
值班人：曾锦乐
问题： cuda 9 场景编译出错
解决：已提出revert #12184的PR #12747，已经revert
值班人：闵启阳
问题： 无
值班人：唐舰
问题： VGG16 fail
解决： 定位到是elementwise_add的修改导致，已经revert #12681
值班人：李青晟
问题1： CE提示找不到文件Fail，疑似网络问题，更换代理后，该错误暂未再次出现
问题2： MNIST Fail，脚本运行失败，已经fix。
值班人：汤伟
问题1： resnet50多机 fail，已经revert
值班人： 乔龙飞
问题： 升级了所有CE agent 支持 CE多机，fail了2个，在重试中， 另外有一个agent性能下降，在调查中
值班人： 乔龙飞
问题： 无
值班人： 冯佳宜
问题： CE系统出现两次timeout错误：
- http://ce.paddlepaddle.org:8080/viewLog.html?buildId=706&buildTypeId=PaddleCe_CEBuild
- http://ce.paddlepaddle.org:8080/viewLog.html?buildId=709&buildTypeId=PaddleCe_CEBuild
解决：是由于新加入的多机模型的数据集存放位置问题。已经暂停该模型的CE。
值班人： 于洋
问题： 无