Skip to content

Latest commit

 

History

History
 
 

test_tipc

README.MD

PaddleScience TIPC Linux端Benchmark测试文档

TIPC功能测试的主程序为benchmark_train.sh，可以测试基于Python的模型训练性能测试功能，包括裁剪、量化、蒸馏。

1. Docker enviroment (运行环境)

  • docker image: registry.baidubce.com/paddlepaddle/paddle:latest-dev-cuda11.2-cudnn8-gcc82
  • paddle = 0.0.0
  • paddlescience = 0.0.0
  • python = 3.10

2. 测试结论汇总

算法名称 模型名称 单机单卡 单机多卡 多机多卡 模型压缩（单机多卡）
PINNs train_2d_unsteady_continuous.py 正常训练
FP32		 -
-		 -
-		 -
-

3. 测试流程(以2d非定常圆柱绕流为例子)

安装PaddlePaddle == 0.0.0

Process of running TIPC test (运行benchmark测试步骤)

git clone https://github.com/PaddlePaddle/PaddleScience.git
cd PaddleScience

对于benchmark使用的数据有以下要求：

  • 训练数据不应过大，过大的数据会导致下载很慢，延长了benchmark的训练时间；
  • 训练数据样本数不能过少，至少要保证训练过程稳定，能获取到稳定的ips；

修改此目录下对应案例的txt参数文件，来生成不同log，注意对于训练epoch要修改训练py文件，

./PaddleScience/test_tipc/configs

单卡:自动运行打开Profiling

export CUDA_VISIBLE_DEVICES=0

*在解析工具下载好之后，运行脚本

mkdir jx
cd jx/
wget https://paddle-qa.bj.bcebos.com/benchmark/tools.tar.gz
tar -zxvf tools.tar.gz
export BENCHMARK_ROOT=$PWD/tools
cd ..

在PaddleScience主目录下运行

export script_path=./test_tipc/configs/train_2d_unsteady_continuous/2d_unsteady_continuous_train_infer_python.txt
bash ./test_tipc/prepare.sh $script_path benchmark_train
bash ./test_tipc/benchmark_train.sh  $script_path benchmark_train

benchmark训练得到训练日志后，会自动保存训练日志并解析得到ips等信息，日志解析代码位于：

Run successfully with command

如果运行成功会生成index文件夹，该目录下面生成json文件[PaddleScience_cylinder2d_unsteady_train_newapi_bs1_fp32_DP_N1C1_speed]，其中可以找到对应的ips数值

{"model_branch": "tipc_fix", "model_commit": "51558e06db7b58d5683a0fccc67d77f4340719d4", "model_name": "cylinder2d_unsteady_train_newapi_bs1_fp32_DP", "batch_size": 1, "fp_item": "fp32", "run_mode": "DP", "convergence_value": "207.94940185546875", "convergence_key": "loss:", "ips": 775299.78, "speed_unit": "samples/s", "device_num": "N1C1", "model_run_time": "15", "frame_commit": "5c19bfc8015b79f861aae9be6c98371de7ccef19", "frame_version": "0.0.0"}