panshaowu

@ThomasLimWZ Hello, thanks for your feedback. As far as I know, mindspore' support for the Windows OS is incomplete. Please consider switching to the Linux OS. As to the problem...

@ThomasLimWZ As far as I know, there is no MindSpore API to get the required RAM or graphics memory currently. But I am afraid that the 4GB graphic memory of...

@zx214 您好，感谢您的反馈。 1. 网络编译耗时超过1小时是不符合预期的。 建议您将MindSpore升级到r2.2.12或r2.2.11，并安装匹配的Ascend CANN包。r2.2.12相较于r2.2.0修复了部分bug，并对性能进行了优化。我们在相同的硬件设备上，使用MindSpore r2.2.11训练DBNet ResNet-50，编译耗时在1-2分钟左右。 2. 训练速度慢。 首先，注意到您的训练epoch数为1，在训练起始阶段，由于需要进行编译加载等操作，会显著较后续epoch慢。 其次，建议将`train.dataset_sink_mode`设置为`True`，打开数据下沉模式能够显著提升训练效能。 第三，如果您的CPU单核能力较弱，可尝试将`train.dataset.use_minddata`设置为`True`，或尝试适当调高`train.loader.num_workers`的数值（太高会有反作用），可提升数据预处理计算效率； 最后，可尝试调整`system.amp_level`为`O2`或`O3`，将部分运算切换为Ascend硬件亲和性更好的fp16模式，但部分网络的收敛难度会变大（甚至会不收敛），需要配套调整超参数和`train.clip_grad`、`train.clip_norm`等选项。 以下是我们在相同的硬件设备上，使用MindSpore r2.2.11训练DBNet ResNet-50的日志，供您参考： ``` text (MindSpore) [ma-user mindocr-main]$DEVICE_ID=2 python tools/train.py -c configs/det/dbnet/db_r50_icdar15.yaml [2024-03-21 16:42:06] mindocr.train INFO...

@zx214 您好。根据您的描述，似乎是从启动Python脚本，到开始训练计算的耗时较长，而不一定是MindSpore的静态图模型编译耗时较长。 建议您考虑使用以下方案，定界出真正耗时较长的代码： 1. 将新增的Summary模块、数据加载模块相关代码，从项目中剥离出来，进行单元测试，测算耗时； 2. 在项目代码`tools/main.py`中，使用Python的`time`包，计时分析各阶段耗时。 根据您的描述，耗时较长的原因可能有： 1. `Summary`写入过多冗余信息，导致耗时过长； 2. 加载数据的效率较低，如数据集的单样本分辨率很高，或硬盘读写速率较低； 3. MindSpore Graph/静态图首次执行图编译会消耗相对多的时间，非首次执行图编译则会复用之前生成的编译缓存。如果您每次手工删除了编译缓存，会导致编译时间变长。

@zx214 您好，根据您反馈的错误日志。因为MindSpore源代码中未包含相关错误信息，该问题可能不是MindSpore引入的。建议您检查一下Ascend的环境配置，包括硬件是否安装正常，CANN包是否安装正确（例如安装完CANN后是否安装了te和hccl的whl包）。

@TanateT Hello, thanks for your feedback. It seems that the problem was caused by an improper definition of the learning rate. You can try to debug the code on PyNative...

@TanateT Hello, I tried to modify the python script `tools/train.py` (refer to [Tutorials](https://www.mindspore.cn/docs/zh-CN/r2.2/api_python/mindspore/mindspore.SummaryCollector.html?highlight=summarycollector#mindspore.SummaryCollector)): ``` python def main(cfg): .... # training model = ms.Model(train_net) summary_collector = SummaryCollector(summary_dir='summary_dir', collect_freq=100) model.train( cfg.scheduler.num_epochs, loader_train,...

感谢您的反馈。我们会安排开发工程师进行测试后，合入您所提供的代码。

@sevennotmouse 您好，感谢您的反馈。抱歉回复较晚，不知道您是否已经解决上述问题？ > The supported types of overload function getitem is: [Tuple, Slice], [List, Slice], [Tensor, Ellipsis], [Tuple, Tensor], [List, Number], [Tensor, Slice], [Dictionary, String], [Tensor, Tensor], [String, Number], [Tensor,...

@Xv-M-S 请先根据CI测试报告，修改代码规范问题，并在完成后，提示管理员重新触发CI，直至通过。。