​秉承工匠精神,3步定位飞桨报错原因,你也来试试?

原创
2020/08/01 13:12
阅读数 3.9K

【故事的开始…】

小张是一名AI算法攻城狮,听闻飞桨乃国产开源深度学习框架之光,心想炎黄子孙当自强,用自己的深度学习框架,实现中国的AI梦……

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

他尝试在的笔记本上使用飞桨搭建线性回归示例模型。

噼里啪啦…噼里啪啦…键盘敲的热血澎湃。跑下试试……

然而,模型的打印结果让小张满怀期待的小心情顿时哇凉哇凉的。

丹还没炼成,炉咋就坏了呢?这铺天盖地的error,要怎么分析和处理?

【故事的转折…】

同学且慢,经官方鉴定,小张大概率使用的是较早版本的飞桨飞桨开源框架1.7及之后版本断然不会出现这么繁杂的报错信息了。

这是因为飞桨工程师们一直期望产品不但好用,而且易用,可以给开发者带来一点点工作上的愉悦。报错信息对调试分析至关重要,飞桨工程师也一直在持续地进行改进和优化。

解读最新的飞桨报错信息

飞桨报错信息总体上分为两种:一种是直接在Python层拦截报出的错误,这种问题一般比较直观,根据Python原生的报错栈即可以定位程序中的问题,和大家使用Python写程序报错分析的流程一致;一种是飞桨的C++ core中的报错,这种报错包含的信息量较大。下面我们以此类报错信息的为例,解读分析过程。

首先我们了解下目前飞桨最新版本报错信息的结构,如下图:

报错信息为四段式结构,由上至下依次为Python默认错误信息栈、C++错误信息栈、飞桨Python错误信息栈(仅声明式编程模式)、核心错误概要。

  • Python默认错误信息栈:执行Python程序默认记录的执行路径,对定位报错位置很有帮助。这是Python本身特性,此处不展开介绍。

  • C++错误信息栈:程序在Paddle C++ core中的错误路径,即为模块paddle.fluid.core中的程序执行路径,这部分信息对开发者帮助有限。但当开发者通过Issue向飞桨开发人员提问时,提供C++报错栈的信息将有助于开发人员快速定位问题。(目前C++错误信息栈仅支持Unix平台,Windows平台暂不支持)

  • Paddle Python错误信息栈:为什么这里还有一个Paddle Python错误信息栈呢?因为在声明式编程模式(静态图)下,模型编译和执行是分离的。执行时报错的路径由Python默认程序栈记录,但这并不能告知用户具体出错的程序位置,因此对于算子类型的API,飞桨额外记录了编译时的执行路径,帮助开发者定位具体代码出错的位置,该部分信息对于调试具有较大意义。

  • 核心错误概要:信息包含错误类型、错误特征、概要提示、出错文件名与行号、出错算子名等,这些信息不仅有助于开发者理解错误,也有助于迅速定位错误。

为什么如此重要的错误概要放在最后,而不是最前面呢?飞桨开发同学考虑到开发者在终端执行程序的场景较多,为了便于用户在程序执行完后能够马上看到最重要的提示信息,才将其置于最后。

硬核来了,3步快速定位问题

当使用飞桨遇到报错提示时,定位流程是啥样子的呢?请对应上文提到的飞桨报错信息结构图,按如下流程逐步分析。

报错信息分析流程

下面结合示例,向大家讲解飞桨的报错信息的分析过程(示例使用飞桨2020年7月1日的develop版本)。飞桨支持两种编程模式,声明式编程模式(静态图)和命令式编程模式(动态图),我们将逐一介绍。

飞桨声明式编程模式

(静态图)报错解读

执行如下静态图示例代码:

import paddle.fluid as fluid
import numpy

# 1. 网络结构定义
x = fluid.layers.data(name='X', shape=[-113], dtype='float32')
y = fluid.layers.data(name='Y', shape=[-11], dtype='float32')
predict = fluid.layers.fc(input=x, size=1, act=None)
loss = fluid.layers.square_error_cost(input=predict, label=y)
avg_loss = fluid.layers.mean(loss)

# 2. 优化器配置
fluid.optimizer.SGD(learning_rate=0.01).minimize(avg_loss)

# 3. 执行环境准备
place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())

# 4. 执行网络
x = numpy.random.random(size=(812)).astype('float32')
y = numpy.random.random(size=(81)).astype('float32')
loss_data, = exe.run(fluid.default_main_program(), feed={'X': x, 'Y': y}, fetch_list=[avg_loss.name])

代码执行后的报错信息如下:

Traceback (most recent call last):
  File "paddle_error_case1.py", line 24, in <module>
    loss_data, = exe.run(fluid.default_main_program(), feed={'X': x, 'Y': y}, fetch_list=[avg_loss.name])
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/executor.py", line 1079, in run
    six.reraise(*sys.exc_info())
  File "/usr/local/lib/python3.5/dist-packages/six.py", line 696, in reraise
    raise value
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/executor.py", line 1074, in run
    return_merged=return_merged)
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/executor.py", line 1162, in _run_impl
    use_program_cache=use_program_cache)
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/executor.py", line 1237, in _run_program
    fetch_var_name)
paddle.fluid.core_avx.EnforceNotMet: 

--------------------------------------------
C++ Call Stacks (More useful to developers):
--------------------------------------------
0   std::string paddle::platform::GetTraceBackString<std::string const&>(std::string const&, char const*, int)
1   paddle::platform::EnforceNotMet::EnforceNotMet(std::string const&, char const*, int)
2   paddle::operators::MulOp::InferShape(paddle::framework::InferShapeContext*) const
3   paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope const&, paddle::platform::Place const&, paddle::framework::RuntimeContext*) const
4   paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope const&, paddle::platform::Place const&) const
5   paddle::framework::OperatorBase::Run(paddle::framework::Scope const&, paddle::platform::Place const&)
6   paddle::framework::Executor::RunPartialPreparedContext(paddle::framework::ExecutorPrepareContext*, paddle::framework::Scope*, long, long, bool, bool, bool)
7   paddle::framework::Executor::RunPreparedContext(paddle::framework::ExecutorPrepareContext*, paddle::framework::Scope*, bool, bool, bool)
8   paddle::framework::Executor::Run(paddle::framework::ProgramDesc const&, paddle::framework::Scope*, int, bool, bool, std::vector<std::string, std::allocator<std::string > > const&, bool, bool)

------------------------------------------
Python Call Stacks (More useful to users):
------------------------------------------
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/framework.py", line 2799, in append_op
    attrs=kwargs.get("attrs", None))
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/layer_helper.py", line 43, in append_op
    return self.main_program.current_block().append_op(*args, **kwargs)
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/layers/nn.py", line 349, in fc
    "y_num_col_dims"1})
  File "paddle_error_case1.py", line 9, in <module>
    predict = fluid.layers.fc(input=x, size=1, act=None)

----------------------
Error Message Summary:
----------------------
InvalidArgumentError: After flatten the input tensor X and Y to 2-D dimensions matrix X1 and Y1, the matrix X1's width must be equal with matrix Y1's height. But received X's shape = [8, 12], X1's shape = [812], X1's width = 12; Y's shape = [131], Y1's shape = [13, 1], Y1's height = 13.
  [Hint: Expected x_mat_dims[1] == y_mat_dims[0], but received x_mat_dims[1]:12 != y_mat_dims[0]:13.] at (/work/paddle/paddle/fluid/operators/mul_op.cc:83)
  [operator < mul > error]

参考飞桨报错信息分析流程对这个错误示例进行剖析。

1. 首先分析代码核心错误概要。依据统一的报错结构,开发者可以快速的找到报错原因。

从示例中可获得如下信息:

这是一个参数错误;出错的Op是mul;mul Op输入的Tensor X矩阵的宽度,即第2维的大小需要和输入Tensor Y矩阵的高度,即第一维的大小相等,才可以进行正常的矩阵乘法;给出了具体的输入X与Y的维度信息即出错维度的值,有一处的维度写错了,可能是13误写成了12。

目前飞桨有12种错误类型,更多介绍请查看《报错信息文案书写规范》,链接如下:https://github.com/PaddlePaddle/Paddle/wiki/Paddle-Error-Message-Writing-Specification

2. 其次分析Paddle 编译时Python错误信息栈,发现出错的代码位置如下:

Paddle插入的Python错误信息栈为了和C++栈的调用顺序保持一致,最下面的信息是用户代码的位置,这和原生python错误信息栈的顺序有所区别。这里我们可以得知,是调用fc的时候出错的,fc中包含一个乘法运算和一个加法运算,根据前面的信息可以得知是此处的乘法运算的输入数据存在问题。至此,通过检查代码,可以找到错误位置:

将代码中的12改为13,即可解决该问题。

3. (可选)通常出错场景较为简单时,C++错误信息栈可以不关心。但如果用户在解决时遇到困难,需要飞桨开发人员协助解决时,需要反馈此信息,帮助开发人员快速得知底层的出错执行逻辑。例如在这个例子中,我们能够得知程序的执行路径为Run -> RunPreParedContext -> Run -> RunImpl -> MulOp::InferShape,InferShape是检查算子输入输出及参数维度的方法,由此可以推断出,本错误是由于Mul算子的输入参数维度出错导致。

飞桨命令式编程模式

(动态图)报错解读

动态图不区分网络模型的编译期和执行期,报错信息中不需要再插入编译时的python信息栈。执行如下动态图示例代码:

import numpy
import paddle.fluid as fluid

place = fluid.CPUPlace()
with fluid.dygraph.guard(place):
    x = numpy.random.random(size=(102)).astype('float32')
    linear = fluid.dygraph.Linear(110)
    data = fluid.dygraph.to_variable(x)
    res = linear(data)

代码执行后的报错信息如下:

/work/scripts {master} python paddle_error_case2.py 
Traceback (most recent call last):
  File "paddle_error_case2.py", line 9, in <module>
    res = linear(data)
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/dygraph/layers.py", line 600, in __call__
    outputs = self.forward(*inputs, **kwargs)
  File "/usr/local/lib/python3.5/dist-packages/paddle/fluid/dygraph/nn.py", line 965, in forward
    'transpose_Y'False"alpha"1)
paddle.fluid.core_avx.EnforceNotMet: 

--------------------------------------------
C++ Call Stacks (More useful to developers):
--------------------------------------------
0   std::string paddle::platform::GetTraceBackString<std::string const&>(std::string const&, char const*, int)
1   paddle::platform::EnforceNotMet::EnforceNotMet(std::string const&, char const*, int)
2   paddle::operators::MatMulOp::InferShape(paddle::framework::InferShapeContext*) const
3   paddle::imperative::PreparedOp::Run(paddle::imperative::NameVarBaseMap const&, paddle::imperative::NameVarBaseMap const&, paddle::framework::AttributeMap const&)
4   paddle::imperative::Tracer::TraceOp(std::string const&, paddle::imperative::NameVarBaseMap const&, paddle::imperative::NameVarBaseMap const&, paddle::framework::AttributeMap, paddle::platform::Place const&, bool)
5   paddle::imperative::Tracer::TraceOp(std::string const&, paddle::imperative::NameVarBaseMap const&, paddle::imperative::NameVarBaseMap const&, paddle::framework::AttributeMap)

----------------------
Error Message Summary:
----------------------
InvalidArgumentError: Input X's width should be equal to the Y's height, but received X's shape: [10, 2],Y's shape: [110].
  [Hint: Expected mat_dim_x.width_ == mat_dim_y.height_, but received mat_dim_x.width_:2 != mat_dim_y.height_:1.] at (/work/paddle/paddle/fluid/operators/matmul_op.cc:411)
  [operator < matmul > error]

同样,我们可以依据前面讲述的步骤对报错进行分析。

1. 先分析核心错误概要,该错误与前面的实例类似,也是输入数据的维度和预期不一致,出错的Op是matmul。

2. 再分析Python报错信息栈,可以得知出错的代码位置为:

通过检查代码,也可以比较容易地定位到错误位置在:

将代码中的2改为1,即可解决该问题。

【故事的尾声…】

报错信息的有效性与框架的易用性息息相关,飞桨团队也仍然在持续地优化报错信息的质量和友好度,希望能给文中的小张同学及广大开发者带来更好的产品体验。如果大家发现报错信息不准确、不直接、不易读等问题,也欢迎通过Issue及时反馈给我们。让我们期待飞桨的易用性能够进一步提升,成为功能强大、令开发者工作愉悦的国产开源深度学习框架。

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
展开阅读全文
打赏
1
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
1
分享
返回顶部
顶部