GraphCast模型在AMD CPU上的运行问题分析与解决方案
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:
- 计算速度显著慢于GPU/TPU
- 内存占用较高(约17GB)
- 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:
- 在跨平台部署机器学习模型时,数值稳定性需要特别关注
- 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
- 调试工具如
jax.debug.print和jax_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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00