AI开发平台ModelArtsAI开发平台ModelArts

计算
弹性云服务器 ECS
裸金属服务器 BMS
云手机 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器 HECS
VR云渲游平台 CVR
特惠算力专区
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属企业存储服务
云存储网关 CSG
专属分布式存储服务 DSS
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘小站 IES
智能边缘平台 IEF
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
园区智能体 CampusGo
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
视频分析服务 VAS
语音交互服务 SIS
知识图谱 KG
人证核身服务 IVS
IoT物联网
设备接入 IoTDA
设备管理 IoTDM(联通用户专用)
全球SIM联接 GSL
IoT数据分析
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
开发与运维
软件开发平台 DevCloud
项目管理 ProjectMan
代码托管 CodeHub
流水线 CloudPipeline
代码检查 CodeCheck
编译构建 CloudBuild
部署 CloudDeploy
云测 CloudTest
发布 CloudRelease
移动应用测试 MobileAPPTest
CloudIDE
Classroom
开源镜像站 Mirrors
应用魔方 AppCube
云性能测试服务 CPTS
应用管理与运维平台 ServiceStage
云应用引擎 CAE
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
资源管理服务 RMS
应用身份管理服务 OneAccess
区块链
区块链服务 BCS
可信跨链服务 TCS
可信分布式身份服务
智能协作
IdeaHub
开发者工具
SDK开发指南
API签名指南
DevStar
HCloud CLI
Terraform
Ansible
云生态
云市场
合作伙伴中心
华为云培训中心
其他
管理控制台
消息中心
产品价格详情
系统权限
我的凭证
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
应用编排服务 AOS
多云容器平台 MCP
基因容器 GCS
容器洞察引擎 CIE
云原生服务中心 OSC
容器批量计算 BCE
容器交付流水线 ContainerOps
应用服务网格 ASM
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB (for openGauss)
云数据库 GaussDB(for MySQL)
云数据库 GaussDB NoSQL
数据管理服务 DAS
数据库和应用迁移 UGO
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据湖治理中心 DGC
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
API网关 APIG
分布式缓存服务 DCS
分布式消息服务RocketMQ版
企业应用
域名注册服务 Domains
云解析服务 DNS
云速建站 CloudSite
网站备案
商标注册
华为云WeLink
会议
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMAExchange
API全生命周期管理 ROMA API
安全与合规
安全技术与应用
DDoS防护 ADS
Web应用防火墙 WAF
云防火墙 CFW
应用信任中心 ATC
企业主机安全 HSS
容器安全服务 CGS
云堡垒机 CBH
数据库安全服务 DBSS
数据加密服务 DEW
数据安全中心 DSC
云证书管理服务 CCM
SSL证书管理 SCM
漏洞扫描服务 VSS
态势感知 SA
威胁检测服务 MTD
管理检测与响应 MDR
安全治理云图 Compass
认证测试中心 CTC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
专属云
专属计算集群 DCC
解决方案
高性能计算 HPC
SAP
混合云灾备
华为工业云平台 IMC
价格
成本优化最佳实践
专属云商业逻辑
用户服务
帐号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
更新时间:2022-01-08 GMT+08:00
分享

训练日志详情

在训练作业详情页,训练日志窗口提供日志预览、日志下载、日志中搜索关键字能力和训练故障识别能力。

  • 预览

    系统日志窗口提供训练日志预览功能,并支持查看不同计算节点日志,您可以通过右侧下拉框选择目标节点预览。

    当日志文件过大时,系统日志窗口仅加载最新的部分日志,并在日志窗口上方提供全量日志访问链接。打开该链接可在新页面查看全部日志;在下载下拉框中也提供了对应节点的全量日志访问链接。

    • 如果全部日志超过500M,可能会引起浏览页面卡顿,建议您直接下载日志查看。
    • 预览链接在生成后的一小时内,支持任何人打开并查看。您可以分享链接至他人。

      请注意日志中不能包含隐私内容,否则会造成信息泄露。

  • 下载

    训练日志仅保留30天,超过30天会被清理。如果用户需要永久保存日志,请单击系统日志窗口右上角下载按钮下载日志至本地保存,支持批量下载多节点日志。用户也可以在创建训练作业时打开永久保存日志按钮,保存训练日志至指定OBS路径。

    针对使用Ascend规格创建的训练作业,部分系统日志暂不支持直接在训练日志窗口下载,请用户在创建训练作业时指定OBS路径用于保存训练日志。

    图1 下载日志
  • 搜索关键字

    用户可以在系统日志右上角的搜索框搜索关键字。系统支持高亮关键字并实现搜索结果间的跳转。

    图2 搜索关键字
    • 搜索功能仅支持搜索当前页面加载的日志,若日志加载不全(请关注页面提示)则需要下载或者通过打开全量日志访问链接进行搜索
    • 全量日志访问链接打开的新页面可以通过Ctrl+F进行搜索
  • 训练故障识别

    如果您的训练作业运行失败,我们会自动识别导致您作业失败的原因,在界面上给出提示。提示包括三部分:失败的可能原因、推荐的解决方案以及对应的日志(底色标红)。解决方案可能会有以下类型:

    1.文档:会提供当前故障对应的一个指导文档,请按照文档提示修复问题。

    2.重建作业:建议重建作业进行重试,大概率能修复问题。若重试后仍然失败,建议提工单。

    3.提工单:建议提工单解决。

    图3 训练故障识别
    • 系统会对部分常见训练错误给出分析建议,目前还不能识别所有错误。
    • 提供的失败可能原因仅供参考。
    • 如果提供的解决方案不能解决您的问题,可以提工单进行人工咨询。
    • 针对分布式作业,只会显示当前节点的一个分析结果,作业的失败需要综合各个节点的失败原因做一个综合判断。

训练日志说明

如果选择Ascend 910规格创建训练作业,日志结构举例说明如下:

obs://dgg-test-user/ascend910-test-cases/log-out/                                       # 作业日志路径
├── modelarts-job-9ccf15f2-6610-42f9-ab99-059ba049a41e-proc-rank-0-device-0.txt	# proc log  单卡训练日志
└── modelarts-job-9ccf15f2-6610-42f9-ab99-059ba049a41e-worker-0.log			# training log 训练日志合集
	└── ascend                                                                   # Ascend日志
		└── log                      # 默认不生成该文件  
			├── device		# device log  默认不生成
			│	└── ...
			└── plog		
				└── ...

主要生成两种类型日志:

  • 训练平台日志

    training log是训练日志合集,proc log是单卡训练日志重定向文件,方便用户快速定位对应计算节点的日志。

  • Ascend 日志

    默认设置 plog 日志打屏, “ascend/log” 文件夹及相关文件默认不生成日志文件。

    您可以通过ma-pre-start 脚本修改默认环境变量配置。

    ASCEND_GLOBAL_LOG_LEVEL=3      # 日志级别设置  debug级别为0;info 级别为1;warning级别为 2;error级别为4  
    ASCEND_SLOG_PRINT_TO_STDOUT=1  # plog日志是否打屏
    ASCEND_GLOBAL_EVENT_ENABLE=1   # 设置事件级别  不开启Event日志级别为0;开启Event日志级别为1

    ma-pre-start脚本

    在与训练启动文件同级的目录下放置 ma-pre-start.sh or ma-pre-start.py 脚本。

    在训练启动文件被执行前,系统会在 /home/work/user-job-dir/ 目录下执行上述 pre-start 脚本

    使用该机制可以更新容器镜像内安装的 Ascend RUN 包,或者设置一些训练运行时额外需要的全局环境变量。

训练平台日志

样例:modelarts-job-9ccf15f2-6610-42f9-ab99-059ba049a41e-worker-0.log	
统一日志格式:modelarts-job-[job id]-[task id].log

其中 task id 为分布式作业中的节点id,单机作业的 task id 默认为 worker-0。

training log中包括“pip-requirement.txt 安装日志”、“ma-pre-start 日志”、“davincirun 日志”、“训练进程日志”、 “MA平台日志”等。

  • MA平台日志

    类型一:[Modelarts Service Log] xxx

    [Modelarts Service Log][init] download code_url: s3://dgg-test-user/ascend910-test-cases/mindspore/lenet/

    类型二:time=“xxx” level=“xxx” msg=“xxx” file=“xxx” Command=xxx Component=xxx Platform=xxx

    time="2021-07-26T19:24:11+08:00" level=info msg="start the periodic upload task, upload period = 5 seconds " file="upload.go:46" Command=obs/upload Component=ma-training-toolkit Platform=ModelArts-Service

    单机作业只会生成一个 training log 文件。MA平台日志主要用于运维人员定位平台问题,如果不涉及可以通过上述类型模式规则进行筛除。

  • proc log

    proc log是单卡训练日志重定向文件,方便用户快速定位对应计算节点的日志。

    样例:modelarts-job-9b43aba3-ed9c-48c1-9f5e-2d61d20dce65-proc-rank-6-device-6.txt
    日志文件格式: [modelarts-job-uuid]-proc-rank-[rank id]-device-[device logic id].txt

    device id 为顺序编号 id。

Ascend 日志

样例:

└── ascend
	└── log
		├── device		# device log
		│	└── ...
		└── plog		# plog
			└── ...
表1 Ascend日志说明

日志说明

日志产生源

日志落盘位置

用户进程,在HOST侧产生的日志(例如:ACL /GE)

HOST侧

HOST侧:

Linux: ~/ascend/log/plog

用户进程,在DEVICE侧产生的AICPU、HCCP的日志,回传到HOST侧

DEVICE侧

HOST侧:

Linux:~/ascend/log/device-{device-id}

由于 Device Log 在训练进程结束后获取;因此假若出现如下情况,Ascend Device Log 会获取不到。

  • 节点异常重启
  • 被主动停止的节点
分享:

    相关文档

    相关产品

关闭导读