1. 系统环境\n\n硬件环境(Ascend/GPU/CPU): Ascend\n\n软件环境:\n\n– MindSpore 版本: 1.8.0\n\n执行模式： 静态图(GRAPH) – Python 版本: 3.7.5\n\n– 操作系统平台: linux\n\n2. 问题\n\n网络在训练过程中同时进行推理，每完成一个epoch进行一次推理，但推理的精度始终没有变化；\n\n3. 定位思路及过程\n\n1. 每个epoch都保存了ckpt，加载ckpt查看参数，每个参数都发生了变化，说明参数是正常更新的；\n\n2. 怀疑是不是eval存在问题，使用pth转的ckpt进行推理，精度差不多，说明前向和推理存在问题的可能性不大；\n\n3. 怀疑是不是函数式的写法尚未完善，改为model.train形式进行实验，发现loss变化趋势差不多，排除；\n\n4. 打印eval时的前向结果，这是一个三分类网络，发现前向结果均为2，怀疑很大可能是训练不好导致的；\n\n5. 要到torch脚本，先排查loss函数、优化器和学习率，是对应的；对比参数初始化方法，代码上的思路相同；打印参数初始化方法中的param name，发现原意是筛选预训练模型bert的param不进行初始化，但实际代码中虽然做了筛选，但后面直接使用了self.parameter获取了所有的param，应改为cell.parameter\