2018 9月值班日志

注：最新的日志记录在最上面

20180930

值班人：闫旭

CE

• 性能问题：涉及的模型以及相关issue为language model和image classificatin
• language model 程序 core dump，后续没有复现，持续观察中。https://github.com/PaddlePaddle/continuous_evaluation/issues/128

20180929

值班人：董志宏

CE

CE的问题从25号开始有问题，@陈后江在跟进。涉及的模型有resnet50 model_icnet model_image_classification model_ocr_recognition model_sequence_tagging_for_ner。

CI

1. test_parallel_executor_mnist有diff，排查后发现春伟的PR是core掉了。单测没问题。
2. paddle whl包没有正常生成。排查后发现是pip版本太低。@杨嘉彬尝试升级到9.0.1

20180928

值班人：陈后江

CE

1. ce性能问题，25号开始就存在，涉及的模型有resnet50 cifar10_128_train_speed/sequence_tagging_for_ner/vgg cifar10_128_train_speed/text_classification，问题还在跟进。 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1862&buildTypeId=PaddleCe_CEBuild
2. 连续三次ce出现timeout问题。编译接近1个半小时，正常情况大概20分钟，怀疑是机器和网络问题，昨天重启机器后今天没有再复现，已解决。 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1873&buildTypeId=PaddleCe_CEBuild&tab=buildLog&_focus=17111
3. transformer模型检查graph报错，可能原因是模型的问题。已经提交fix commit，ce已经重新提交，验证通过，已解决。 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1894&buildTypeId=PaddleCe_CEBuild&tab=buildLog。
4. language_model 4卡训练cross_entropy会报错，从27号开始就存在这个问题。可能原因是paddle ce中的训练脚本多卡并行用的是parallel do，而parallel do现在可能会出现问题，改成parallel executor后正在验证。 http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1938&buildTypeId=build_CeCertainTasks&tab=buildLog

CI

py35 dist单测会出现偶然性hang住，原因是python35 subprocess控制分布式进程的bug，暂时disable。

值班机制问题

1. ce/ci @机制有问题，26号没有通知到对应的值班人
2. 上一天问题没有明确结论，遗留到下一天
3. ce日志有点混乱，不大好排查问题
4. ce debug缺少文档

20180927

• 值班人： 武毅
• CE问题：
  • 发现CE性能差异较多，revert 可疑改动：https://github.com/PaddlePaddle/Paddle/pull/13618
  • CE机器从 commit 01fda9345a6db12ce4db3e05e9ae561de7bdab20 开始性能差距巨大，检查后怀疑为机器问题，重启机器后性能好转，但仍有少量diff，需要继续追查原因
• CI问题：
  • 有一台机器出现recordio单测稳定失败，怀疑为docker 使用 devicemapper导致IO不稳定，已和 @田硕 沟通，决定推进阡陌升级 overlay2 并测试是否可以解决
  • 修复mac CI缺少aclocal命令目前可以正常执行

20180925

• 值班人：闵启阳
• CE问题：http://180.76.57.222:8111/viewLog.html?buildId=635&buildTypeId=PaddleModesl_Build
  • model_mnist model_neural_machine_translation_transformer Fail
    • get_inference_program API 从 io.py 中去除, models的release/0.15.0分支未同步改动, 已推动改进; https://github.com/PaddlePaddle/models/pull/1285
  • model_ocr_recognition Fail
    • 框架API改动错误, 已推动改进: https://github.com/PaddlePaddle/Paddle/pull/13561

20180924

• 值班人：唐舰
• CE问题：无
• CI问题：无

20180920

• 值班人：于洋
• CE问题：http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1798&buildTypeId=PaddleCe_CEBuild&tab=buildChangesDiv
  • language_model Fail
    • 重构的MixedVector有bug，已revert

20180918

• 值班人：郭晟
• CE问题：http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1779&buildTypeId=PaddleCe_CEBuild
  • resnet50_net_CPU
    • train_acc 超阈值
    • 原因待定，查看changes无相关的改动
  • language_model、sequence_tagging_for_ner、text_classification
    • AttributeError: 'module' object has no attribute 'ParallelDo'。
    • 应该是由于ParallelDo被deprecated掉了https://github.com/PaddlePaddle/Paddle/pull/13454 ，后续需要统一处理下。
  • object_detection
    • paddle.fluid.core.EnforceNotMet: Input(Out@GRAD) should not be null at [/workspace/paddle/fluid/operators/slice_op.cc:129]
    • @qingqing 已经提交PR进行Fix https://github.com/PaddlePaddle/Paddle/pull/13435 ，尚未merge
• CI问题：无

20180917

• 值班人：巩伟宝
• CE问题： failed: model_object_detection
  http://180.76.57.222:8111/viewLog.html?buildId=563&buildTypeId=PaddleModesl_Build
• CI问题：无

20180912

• 值班人：刘毅冰
• CE问题： failed models：model_image_classification model_object_detection http://180.76.57.222:8111/viewLog.html?buildId=515&buildTypeId=PaddleModesl_Build
• CI问题：无

20180911

• 值班人：党青青
• CE问题：language_model的speed超了阈值，待查是哪个PR @qingqing , object_detection的speed超了阈值，待查是哪个PR。
• CI问题：无

20180910

• 值班人：赵成舵
• CE问题：resnet50_net随机挂掉：http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1669&buildTypeId=PaddleCe_CEBuild&tab=buildLog . (修复中：https://github.com/PaddlePaddle/paddle-ce-latest-kpis/pull/140 )
• CI问题：无

20180907

• 值班人：骆涛
• CE问题：details.resnet50_net_GPU随机挂掉：http://ce.paddlepaddle.org:8080/viewLog.html?buildId=1651&buildTypeId=PaddleCe_CEBuild&tab=buildLog&_focus=18977 。@赵成舵 已提PR修复：https://github.com/PaddlePaddle/paddle-ce-latest-kpis/pull/140。
• CI问题：无

20180906

• 值班人：闫旭
• CE问题：无
• CI问题：分布式单测随机挂掉的问题，已fix：https://github.com/PaddlePaddle/Paddle/pull/13250

20180905

值班人： 董志宏
问题： 无