• 如何在启智平台上进行多卡npu调试
• • • 1、创建调试任务并进入调试环境后，先克隆仓库到环境中
    • 2、输入仓库地址
    • 3、创建data文件用于存放数据集
    • 4、进入data文件并上传数据集
    • 5、上传完成界面如下
    • 6、新开一个终端，并在/data目录下解压数据集
    • 7、执行 run.sh
    • 8、查看日志
    • 9、查看是否输出权重文件

如何在启智平台上进行多卡npu调试

• 多卡npu的调试镜像与训练镜像不同，训练镜像已经默认配置好多卡并行训练环境，调试环境需要自己配置脚本。所以，在调试多卡并行任务时，建议还是使用训练镜像。
• 若使用调试镜像，可按照本示例的方式运行任务。
• 调试环境运行多卡并行代码需要使用sh脚本，本例中使用的run.sh脚本可供参看，在调试环境中，RANK_TABLE_FILE位于/user/config/nbstart_hccl.json，根据卡数，更改RANK_SIZE即可

  #!/bin/bash
  set -e
  EXEC_PATH=$(pwd)
  
  export RANK_SIZE=2
  export HCCL_CONNECT_TIMEOUT=6000
  test_dist_2pcs()
  {
  	# export RANK_TABLE_FILE=${EXEC_PATH}/rank_table_2pcs.json
  	export RANK_TABLE_FILE=/user/config/nbstart_hccl.json
  	export RANK_SIZE=2
  }
  
  test_dist_${RANK_SIZE}pcs
  
  for((i=0;i<2;i++))
  do
  	rm -rf device$i
  	mkdir device$i
  	cp ./train.py ./config.py ./lenet.py ./dataset_distributed.py ./dataset.py ./device$i
  	cd ./device$i
  	export DEVICE_ID=$i
  	export RANK_ID=$i
  	echo "start training for device $i"
  	env > env$i.log
  	python ./train.py > train_dataparallel_debug_env.log$i 2>&1 &
  	cd ../
  done
  echo "The program launch succeed, the log is under device0/train.log0."
  

1、创建调试任务并进入调试环境后，先克隆仓库到环境中

• 

2、输入仓库地址

• 

3、创建data文件用于存放数据集

• 

4、进入data文件并上传数据集

• 

5、上传完成界面如下

• 

6、新开一个终端，并在/data目录下解压数据集

• 

7、执行 run.sh

在一个notebook执行run.sh,具体代码：

import os
print(os.system("sh run.sh"))

• 

8、查看日志

• 

9、查看是否输出权重文件

•