本文由AI智能模型生成，在自有數(shù)據(jù)的基礎(chǔ)上，訓(xùn)練NLP文本生成模型，根據(jù)標(biāo)題生成內(nèi)容，適配到模板。內(nèi)容僅供參考，不對(duì)其準(zhǔn)確性、真實(shí)性等作任何形式的保證，如果有任何問題或意見，請(qǐng)聯(lián)系contentedit@huawei.com或點(diǎn)擊右側(cè)用戶幫助進(jìn)行反饋。我們?cè)瓌t上將于收到您的反饋后的5個(gè)工作日內(nèi)做出答復(fù)或反饋處理結(jié)果。
猜你喜歡：前提條件已開啟環(huán)境準(zhǔn)備。由于運(yùn)行環(huán)境有個(gè)性化要求，模型轉(zhuǎn)換過程中需要依賴CANNToolkit軟件包，所以安裝步驟請(qǐng)參考《CANN軟件安裝指南》。安裝完成后，還需要執(zhí)行如下命令重啟Dump開關(guān)，然后重新開啟算子debug功能。在CPU/GPU訓(xùn)練環(huán)境上安裝python3三方依賴。Dump標(biāo)桿數(shù)據(jù)可能存在溢出，需要保持默認(rèn)值。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
猜您想看：建議在GPU/CPU訓(xùn)練環(huán)境執(zhí)行。修改訓(xùn)練腳本，使能Dump數(shù)據(jù)采集。注意兩種方式不能重復(fù)配置。對(duì)于ModelArts訓(xùn)練場(chǎng)景，還需要進(jìn)行如下修改，裸機(jī)訓(xùn)練場(chǎng)景可跳過此步。修改配置文件precision_tool目錄下的config.py，配置ModelArts容器上精度數(shù)據(jù)的生成目錄。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
智能推薦：將上述修改好的訓(xùn)練腳本(包括precision_tool)、訓(xùn)練 數(shù)據(jù)集 上傳到OBS。精度數(shù)據(jù)分析依賴CANNToolkit軟件包中的atc工具和msaccucmp.py工具，以下操作需要在CANN開發(fā)環(huán)境，即Toolkit安裝環(huán)境進(jìn)行。PrecisionTool>ac-c根據(jù)數(shù)據(jù)量大小，比對(duì)過程需要時(shí)間不同。除了直接打開csv文件進(jìn)行精度分析外，您也可以使用vcs-f-c-l命令篩選比對(duì)結(jié)果。vcs命令默認(rèn)篩選余弦相似度小于0.98的結(jié)果，您也可以通過-c參數(shù)自定義閾值：Left：表示基于NPU運(yùn)行生成的dump數(shù)據(jù)的算子名。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
