同步操作将从 Ascend/att 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
Ascend Training Tools,昇腾训练工具链。针对训练&大模型场景,提供端到端命令行&可视化调试调优工具,帮助用户快速提高模型开发效率。
脚本分析工具提供分析脚本,帮助用户在执行迁移操作前,分析基于GPU平台的PyTorch训练脚本中算子、三方库套件、亲和API分析以及动态shape的支持情况。
自动迁移只需在训练脚本中导入库代码即可完成模型脚本迁移,使用方式较简单,且修改内容最少。
脚本迁移工具提供后端命令行用于将GPU上训练的PyTorch脚本迁移至NPU上,得到新的训练脚本用于训练。
api_accuracy_checker(Ascend模型精度预检工具)
在昇腾NPU上扫描用户训练模型中所有API,进行API复现,给出精度情况的诊断和分析。
进行PyTorch整网API粒度的数据dump、精度比对和溢出检测,从而定位PyTorch训练场景下的精度问题。
提供NPU与GPU性能拆解功能以及算子、通信、内存性能的比对功能。
提供多机多卡的集群分析能力(基于通信域的通信分析和迭代耗时分析), 当前需要配合Ascend Insight的集群分析功能使用。
merge_profiling_timeline(合并大json工具)
融合多个Profiling的timeline在一个json文件中的功能。
Tensorboard支持NPU性能数据可视化插件PyTorch Profiler TensorBoard NPU Plugin。
支持将Ascend平台采集、解析的Pytorch Profiling数据可视化呈现,也兼容GPU数据采集、解析可视化。
ATT工具版本分支的维护阶段如下:
状态 | 时间 | 说明 |
---|---|---|
计划 | 1—3 个月 | 计划特性 |
开发 | 3个月 | 开发特性 |
维护 | 6—12个月 | 合入所有已解决的问题并发布版本 |
无维护 | 0—3 个月 | 合入所有已解决的问题,无专职维护人员,无版本发布 |
生命周期终止(EOL) | N/A | 分支不再接受任何修改 |
ATT分支名称格式为:版本号-ATT,而版本号命名规则如下:
分支 | 状态 | 发布日期 | 后续状态 | EOL日期 |
---|---|---|---|---|
v6.0.0 | 维护 | 2023/12/12 | 预计2024/12/12起无维护 |
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。