點擊左上方藍字關注我們

【故事的開始…】小張是一名AI算法攻城獅，聽聞飛槳乃國產開源深度學習框架之光，心想炎黃子孫當自強，用自己的深度學習框架，實現中國的AI夢……他嘗試在的筆記本上使用飛槳搭建線性回歸示例模型。噼里啪啦…噼里啪啦…鍵盤敲的熱血澎湃。跑下試試……然而，模型的打印結果讓小張滿懷期待的小心情頓時哇涼哇涼的。丹還沒煉成，爐咋就壞了呢？這鋪天蓋地的error，要怎么分析和處理？【故事的轉折…】同學且慢，經官方鑒定，小張大概率使用的是較早版本的飛槳，飛槳開源框架1.7及之后版本斷然不會出現這么繁雜的報錯信息了。這是因為飛槳工程師們一直期望產品不但好用，而且易用，可以給開發者帶來一點點工作上的愉悅。報錯信息對調試分析至關重要，飛槳工程師也一直在持續地進行改進和優化。

解讀最新的飛槳報錯信息

飛槳報錯信息總體上分為兩種：一種是直接在Python層攔截報出的錯誤，這種問題一般比較直觀，根據Python原生的報錯棧即可以定位程序中的問題，和大家使用Python寫程序報錯分析的流程一致；一種是飛槳的C++ core中的報錯，這種報錯包含的信息量較大。下面我們以此類報錯信息的為例，解讀分析過程。首先我們了解下目前飛槳最新版本報錯信息的結構，如下圖：報錯信息為四段式結構，由上至下依次為Python默認錯誤信息棧、C++錯誤信息棧、飛槳Python錯誤信息棧(僅聲明式編程模式)、核心錯誤概要。

• Python默認錯誤信息棧：執行Python程序默認記錄的執行路徑，對定位報錯位置很有幫助。這是Python本身特性，此處不展開介紹。
• C++錯誤信息棧：程序在Paddle C++ core中的錯誤路徑，即為模塊paddle.fluid.core中的程序執行路徑，這部分信息對開發者幫助有限。但當開發者通過Issue向飛槳開發人員提問時，提供C++報錯棧的信息將有助于開發人員快速定位問題。(目前C++錯誤信息棧僅支持Unix平臺，Windows平臺暫不支持)
• Paddle Python錯誤信息棧：為什么這里還有一個Paddle Python錯誤信息棧呢？因為在聲明式編程模式(靜態圖)下，模型編譯和執行是分離的。執行時報錯的路徑由Python默認程序棧記錄，但這并不能告知用戶具體出錯的程序位置，因此對于算子類型的API，飛槳額外記錄了編譯時的執行路徑，幫助開發者定位具體代碼出錯的位置，該部分信息對于調試具有較大意義。
• 核心錯誤概要：信息包含錯誤類型、錯誤特征、概要提示、出錯文件名與行號、出錯算子名等，這些信息不僅有助于開發者理解錯誤，也有助于迅速定位錯誤。

為什么如此重要的錯誤概要放在最后，而不是最前面呢？飛槳開發同學考慮到開發者在終端執行程序的場景較多，為了便于用戶在程序執行完后能夠馬上看到最重要的提示信息，才將其置于最后。

硬核來了，3步快速定位問題

當使用飛槳遇到報錯提示時，定位流程是啥樣子的呢？請對應上文提到的飛槳報錯信息結構圖，按如下流程逐步分析。報錯信息分析流程下面結合示例，向大家講解飛槳的報錯信息的分析過程(示例使用飛槳2020年7月1日的develop版本)。飛槳支持兩種編程模式，聲明式編程模式(靜態圖)和命令式編程模式(動態圖)，我們將逐一介紹。

飛槳聲明式編程模式

(靜態圖)報錯解讀

執行如下靜態圖示例代碼：import?paddle.fluid?as?fluid
import?numpy#?1.?網絡結構定義
x?=?fluid.layers.data(name='X',?shape=[-1,?13],?dtype='float32')
y?=?fluid.layers.data(name='Y',?shape=[-1,?1],?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.?優化器配置
fluid.optimizer.SGD(learning_rate=0.01).minimize(avg_loss)#?3.?執行環境準備
place?=?fluid.CPUPlace()
exe?=?fluid.Executor(place)
exe.run(fluid.default_startup_program())#?4.?執行網絡
x?=?numpy.random.random(size=(8,?12)).astype('float32')
y?=?numpy.random.random(size=(8,?1)).astype('float32')
loss_data,?=?exe.run(fluid.default_main_program(),?feed={'X':?x,?'Y':?y},?fetch_list=[avg_loss.name])代碼執行后的報錯信息如下：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<:string>(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*)?const3???paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope?const&,?paddle::platform::Place?const&,?paddle::framework::RuntimeContext*)?const4???paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope?const&,?paddle::platform::Place?const&)?const5???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<: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_opreturn?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?=?[8,?12],?X1's?width?=?12;?Y's?shape?=?[13,?1],?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??error]參考飛槳報錯信息分析流程對這個錯誤示例進行剖析。1. 首先分析代碼核心錯誤概要。依據統一的報錯結構，開發者可以快速的找到報錯原因。從示例中可獲得如下信息：這是一個參數錯誤；出錯的Op是mul；mul Op輸入的Tensor X矩陣的寬度，即第2維的大小需要和輸入Tensor Y矩陣的高度，即第一維的大小相等，才可以進行正常的矩陣乘法；給出了具體的輸入X與Y的維度信息即出錯維度的值，有一處的維度寫錯了，可能是13誤寫成了12。目前飛槳有12種錯誤類型，更多介紹請查看《報錯信息文案書寫規范》，鏈接如下：https://github.com/PaddlePaddle/Paddle/wiki/Paddle-Error-Message-Writing-Specification2. 其次分析Paddle 編譯時Python錯誤信息棧，發現出錯的代碼位置如下：Paddle插入的Python錯誤信息棧為了和C++棧的調用順序保持一致，最下面的信息是用戶代碼的位置，這和原生python錯誤信息棧的順序有所區別。這里我們可以得知，是調用fc的時候出錯的，fc中包含一個乘法運算和一個加法運算，根據前面的信息可以得知是此處的乘法運算的輸入數據存在問題。至此，通過檢查代碼，可以找到錯誤位置：將代碼中的12改為13，即可解決該問題。3. (可選)通常出錯場景較為簡單時，C++錯誤信息棧可以不關心。但如果用戶在解決時遇到困難，需要飛槳開發人員協助解決時，需要反饋此信息，幫助開發人員快速得知底層的出錯執行邏輯。例如在這個例子中，我們能夠得知程序的執行路徑為Run -> RunPreParedContext -> Run -> RunImpl -> MulOp::InferShape，InferShape是檢查算子輸入輸出及參數維度的方法，由此可以推斷出，本錯誤是由于Mul算子的輸入參數維度出錯導致。

飛槳命令式編程模式

(動態圖)報錯解讀

動態圖不區分網絡模型的編譯期和執行期，報錯信息中不需要再插入編譯時的python信息棧。執行如下動態圖示例代碼：import?numpyimport?paddle.fluid?as?fluid
place?=?fluid.CPUPlace()
with?fluid.dygraph.guard(place):
????x?=?numpy.random.random(size=(10,?2)).astype('float32')
????linear?=?fluid.dygraph.Linear(1,?10)data?=?fluid.dygraph.to_variable(x)
????res?=?linear(data)代碼執行后的報錯信息如下：/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<:string>(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*)?const3???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:?[1,?10].
??[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??error]同樣，我們可以依據前面講述的步驟對報錯進行分析。1. 先分析核心錯誤概要，該錯誤與前面的實例類似，也是輸入數據的維度和預期不一致，出錯的Op是matmul。2. 再分析Python報錯信息棧，可以得知出錯的代碼位置為：通過檢查代碼，也可以比較容易地定位到錯誤位置在：將代碼中的2改為1，即可解決該問題。【故事的尾聲…】報錯信息的有效性與框架的易用性息息相關，飛槳團隊也仍然在持續地優化報錯信息的質量和友好度，希望能給文中的小張同學及廣大開發者帶來更好的產品體驗。如果大家發現報錯信息不準確、不直接、不易讀等問題，也歡迎通過Issue及時反饋給我們。讓我們期待飛槳的易用性能夠進一步提升，成為功能強大、令開發者工作愉悅的國產開源深度學習框架。如在使用過程中有問題，可加入飛槳官方QQ群進行交流：1108045677。如果您想詳細了解更多飛槳的相關內容，請參閱以下文檔。官網地址：https://www.paddlepaddle.org.cn飛槳開源框架項目地址：GitHub:https://github.com/PaddlePaddle/PaddleGitee:?https://gitee.com/paddlepaddle/Paddle

END

總結

以上是生活随笔為你收集整理的闪退没由报错_秉承工匠精神，3步定位飞桨报错原因，你也来试试？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。