本文由AI智能模型生成，在自有數(shù)據(jù)的基礎上，訓練NLP文本生成模型，根據(jù)標題生成內(nèi)容，適配到模板。內(nèi)容僅供參考，不對其準確性、真實性等作任何形式的保證，如果有任何問題或意見，請聯(lián)系contentedit@huawei.com或點擊右側用戶幫助進行反饋。我們原則上將于收到您的反饋后的5個工作日內(nèi)做出答復或反饋處理結果。
猜你喜歡：前提條件已開啟環(huán)境準備。由于運行環(huán)境有個性化要求，模型轉換過程中需要依賴CANNToolkit軟件包，所以安裝步驟請參考《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，然后重新開啟算子debug功能。在CPU/GPU訓練環(huán)境上安裝python3三方依賴。Dump標桿數(shù)據(jù)可能存在溢出，需要保持默認值。更多標題相關內(nèi)容，可點擊查看
猜您想看：建議在GPU/CPU訓練環(huán)境執(zhí)行。修改訓練腳本，使能Dump數(shù)據(jù)采集。注意兩種方式不能重復配置。對于ModelArts訓練場景，還需要進行如下修改，裸機訓練場景可跳過此步。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。更多標題相關內(nèi)容，可點擊查看
智能推薦：將上述修改好的訓練腳本(包括precision_tool)、訓練 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)境進行。PrecisionTool>ac-c根據(jù)數(shù)據(jù)量大小，比對過程需要時間不同。除了直接打開csv文件進行精度分析外，您也可以使用vcs-f-c-l命令篩選比對結果。vcs命令默認篩選余弦相似度小于0.98的結果，您也可以通過-c參數(shù)自定義閾值：Left：表示基于NPU運行生成的dump數(shù)據(jù)的算子名。更多標題相關內(nèi)容，可點擊查看
