Skip to content

P
Paddle

PaddlePaddle / Paddle
大约 1 年 前同步成功

通知 2299
Star 20931
Fork 5422
P
Paddle

[cherry-pick2.0]Optimize the error messages of paddle CUDA API !23849

!23849 已合并 由 saxon_zh@saxon_zh 创建

Created by: zhouwei25

cherry-pick #23816

当前问题

目前Nvidia相关API报错信息格式： 1. 需要用户在Nvidia网站里，自行查找，但是该网址国内用户很难访问，而且网站内容多，也很难找到对应之处，一般用户也不会点击。 2. 各种 cudaFunction failed！ 函数调用失败的信息，对用户参考的价值低，而且较难理解；

因此报错信息较为不友好，用户出现Nvidia相关API问题无法自行分析。存在问题较大，issue众多（总计会有10几个以上）。

  1. 用户issue1：https://github.com/PaddlePaddle/Paddle/issues/21913
  2. 用户issue2：https://github.com/PaddlePaddle/Paddle/issues/22701
  3. 用户issue3：https://github.com/PaddlePaddle/Paddle/issues/22749

升级方案

1. 重构了PADDLE_ENFORCE_CUDA_SUCCESS，开发者直接调用PADDLE_ENFORCE_CUDA_SUCCESS(error)即可，error可以是cudaError_t(cudaAPI)、curandStatus_t(curandAPI)、cudnnStatus_t(cudnnAPI)、cublasStatus_t(cublasAPI)、ncclResult_t(ncclAPI)五种API的任意一种，涉及Paddle中314个Nvidia相关 API，不再由开发者手动输入，因为开发者对于Nvidia相关的API的外部错误，也无法给出有效的信息，一般为：

cudaGetDeviceCount failed in paddle::platform::GetCUDADeviceCountImpl cudaEventRecord raises unexpected exception

等函数调用失败的信息，而该信息可以在栈信息C++ call Stack中查看，无需放在最关键的Error Summary中暴露给用户，对用户无实质帮助且形成了理解负担；

2. 新的报错信息由系统根据错误码自动填充，是通过爬虫从Nvidia官网爬取，或根据ncclGetErrorString等API自动获取，另外统一了五种NvidiaAPI报错信息最终格式；

报错预览

修改前

1. CUDA API： -------------------------------------------- Error Message Summary: -------------------------------------------- Error: cudaGetDeviceCount failed in paddle::platform::GetCUDADeviceCountImpl, error code : 35, Please see detail in https://docs.nvidia.com/cuda/cuda-runtime-api/group__CUDART__TYPES.html#group__CUDART__TYPES_1g3f51e3575c2178246db0a94a430e0038 at (D:\1.6.2\paddle\paddle\fluid\platform\gpu_info.cc:67)

修改后

1. CUDA API： ---------------------- Error Message Summary: ---------------------- ExternalError: Cuda error(35), CUDA driver version is insufficient for CUDA runtime version.
[Advise: This indicates that the installed NVIDIA CUDA driver is older than the CUDA runtime library. This is not a supported configuration.Users should install an updated NVIDIA display driver to allow the application to run.] at (/Paddle/paddle/fluid/pybind/pybind.cc:1244)

2. CURAND API: ---------------------- Error Message Summary: ---------------------- ExternalError: Curand error, CURAND_STATUS_OUT_OF_RANGE : unspecified launch failure at (/Paddle/paddle/fluid/pybind/pybind.cc:1247)

3. CUDNN API: ---------------------- Error Message Summary: ---------------------- ExternalError: Cudnn error, CUDNN_STATUS_INTERNAL_ERROR at (/Paddle/paddle/fluid/pybind/pybind.cc:1250)

4. CUBLAS API: ---------------------- Error Message Summary: ---------------------- ExternalError: Cublas error, CUBLAS_STATUS_LICENSE_ERROR at (/Paddle/paddle/fluid/pybind/pybind.cc:1253)

5. NCCL API: ---------------------- Error Message Summary: ---------------------- ExternalError: Nccl error, unhandled system error at (/Paddle/paddle/fluid/pybind/pybind.cc:1256)

注：第1种API加入了爬虫，有100多种错误码，并提供从Nvidia官网爬取到的详细信息；后4种API错误码较少，未引入爬虫，只提供简要的信息，竞品目前只提供最简要信息，后期可视情况看Paddle是否需要将详细信息也进行爬取；

调用方式举例：

报错信息自动产生，进行了全封装，开发者只需传入Nvidia API的返回值，调用简单； PADDLE_ENFORCE_CUDA_SUCCESS(cudaGetDeviceCount(&count)); image