首页
/ GraphCast模型在AMD CPU上的运行问题分析与解决方案

GraphCast模型在AMD CPU上的运行问题分析与解决方案

2025-06-04 04:44:53作者:宣利权Counsellor

背景介绍

GraphCast是Google DeepMind开发的一款基于图神经网络的天气预报模型。该模型通常运行在GPU或TPU上以获得最佳性能,但最近有开发者尝试在AMD CPU上运行其演示案例gencast_mini_demo.ipynb时遇到了NaN(非数值)输出的问题。

问题现象

当尝试在CPU上运行GraphCast的预测流程时,模型输出全部变为NaN值。经过调试发现,这一问题出现在模型的自回归预测过程中,特别是在处理噪声水平计算时。

技术分析

根本原因

深入调试后发现,问题出在apply_stochastic_churn函数中的噪声水平计算部分。具体来说,当计算new_noise_level^2 - noise_level^2时,由于浮点数精度问题,结果可能变为一个极小的负值(如-6.66e-11)。随后对这个负值取平方根操作导致了NaN的产生。

数值稳定性问题

在机器学习模型中,数值稳定性是一个常见挑战。特别是在涉及平方根、对数等数学运算时,输入值的微小变化可能导致输出结果完全无效。在本案例中,虽然理论上new_noise_level^2 - noise_level^2应该总是非负的,但浮点数运算的精度限制导致了负值的出现。

JIT编译的影响

有趣的是,当禁用JIT编译(通过设置jax_disable_jit=True)时,模型能够正常运行。这表明问题可能与XLA编译器对浮点运算的优化处理方式有关。JIT编译通常会重组计算图以提高性能,但有时会引入数值稳定性问题。

解决方案

临时修复方案

最直接的解决方案是在计算平方根前确保被开方数非负:

diff = new_noise_level**2 - noise_level**2
extra_noise_stddev = (jnp.sqrt(jnp.where(diff < 0., 0., diff))
                     * noise_level_inflation_factor)

这种方法简单有效,通过显式处理负值情况,避免了NaN的产生。

更稳健的数值处理

更稳健的做法是使用jnp.maximum函数:

extra_noise = jnp.maximum(0, new_noise_level**2 - noise_level**2)
extra_noise_stddev = jnp.sqrt(extra_noise) * noise_level_inflation_factor

这种方法在数学上更清晰,表达了"我们只对非负部分感兴趣"的意图。

性能考量

虽然这些修改解决了NaN问题,但在CPU上运行GraphCast仍然面临性能挑战:

  1. 计算速度显著慢于GPU/TPU
  2. 内存占用较高(约17GB)
  3. 并行效率受限

对于实际应用,建议在完成调试后重新启用JIT编译以获得更好的性能,或者考虑使用云端的GPU/TPU资源进行大规模预测。

结论

本次调试揭示了GraphCast模型在CPU环境下运行时的一个数值稳定性问题,并提供了有效的解决方案。这一经验也提醒我们:

  1. 在跨平台部署机器学习模型时,数值稳定性需要特别关注
  2. 浮点数运算的精度问题可能在看似无害的数学表达式中突然出现
  3. 调试工具如jax.debug.printjax_debug_nans对于定位数值问题非常有用

通过这些解决方案,开发者现在可以在AMD CPU上成功运行GraphCast模型,为没有GPU/TPU硬件资源的用户提供了更多可能性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
561
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0