1.5版本新特性——亲和算法库MindSpore Boost体验

作者：拉姆小鱼

转载链接：1.5版本新特性--亲和算法库MindSpore Boost体验_MindSpore_昇腾论坛_华为云论坛

本次体验新增特性：

安装版本：

按照介绍中的配置方法跑了一下ssd300，代码地址：

https://gitee.com/mindspore/models/tree/master/official/cv/ssd

发现配置后训练性能并无明显变化：

boost_level="O0" 2~4 epoch性能：

boost_level="O1" 2~4 epoch性能：

boost_level="O2" 2~4 epoch性能：

然后在models仓搜索了下，官方的resnet+imagenet配置了boost_level选项，决定再次尝试下：

代码位于：https://gitee.com/mindspore/models/tree/master/official/cv/resnet

多卡会有卡间通信影响，因此采用单卡训练5个epoch单独查看算子性能

训练指令：

python ../train.py --data_path=ImageNet_Original/train --config_path=../config/resnet50_imagenet2012_config.yaml --output_path './output' --epoch_size 5

boost_level="O0" 2~4 epoch性能：

boost_level="O2" 2~4 epoch性能：

性能确实有14.9%的收益！！然后添加profling通过mindinsight看了下算子的耗时：

boost_level="O0"

boost_level="O2”

从图上看部分算子，比如FusionOp_Conv2D_BNTrainingReduce等算子虽然耗时有增加，但是有些算子，比如MaxPoolGradWithArgmax在图上看不到了，猜测是融合策略把算子聚合了。

ssd300本身就开了图算加速，所以加上boost_level 作用不太明显。

很强大的功能，不过比对了resnet50_imagenet2012_Boost_config.yaml和resnet50_imagenet2012_config.yaml中的配置，参数配置差异较大，这个参数应该不能跟图算融合一样无差别的应用到网络中，期待更详细的官方配置和应用说明。