Ascend Training Tools,昇腾训练工具链 针对训练&大模型场景,提供端到端命令行&可视化调试调优工具,帮助用户快速提高模型开发效率
-
性能工具tools
**GPU与NPU性能比较工具**:提供NPU与GPU性能拆解功能以及算子、通信、内存性能的比较功能。
**集群场景脚本集合**:提供集群场景数据一键汇聚功能。
**合并大json工具**:融合多个profiling的timeline在一个json文件中的功能。
**集群分析工具**:提供多机多卡的集群分析能力(基于通信域的通信分析和迭代耗时分析), 当前需要配合Ascend Insight的集群分析功能使用。
-
精度工具tools
**预检功能**:Ascend模型精度预检工具能在昇腾NPU上扫描用户训练模型中所有API,给出它们精度情况的诊断和分析。
b. ptdbg_ascend
**PyTorch精度工具**:用来进行PyTorch整网API粒度的数据dump、精度比对和溢出检测,从而定位PyTorch训练场景下的精度问题。
-
分析迁移工具tools
a. 脚本分析工具
**脚本分析能力**:脚本分析工具提供分析脚本,帮助用户在执行迁移操作前,分析基于GPU平台的PyTorch训练脚本中算子、三方库套件、亲和API分析以及动态shape的支持情况
b. 脚本迁移工具
**脚本迁移能力**:脚本迁移工具提供后端命令行用于将GPU上训练的PyTorch脚本迁移至NPU上,得到新的训练脚本用于训练
c. 自动迁移工具
**自动迁移能力**:自动迁移只需在训练脚本中导入库代码即可完成模型脚本迁移,使用方式较简单,且修改内容最少
-
tensorboard支持npu可视化插件tb-plugin
PyTorch profiling数据可视化的TensorBoard的插件: 它支持将Ascend平台采集、解析的Pytorch Profiling数据可视化呈现,也兼容GPU数据采集、解析可视化。
- Fork 本仓库
- 新建 xxx 分支
- 提交代码
- 新建 Pull Request