docker build \
--build-arg CANN_TOOLKIT_PATH=Ascend-cann-tookit<version+arch>.run \
--build-arg CANN_AMCT_PATH=Ascend-cann-amct<version+arch>.tar.gz \ 
--build-arg CAFFE_SRC=caffe-ascend-amct.zip \
--build-arg UBUNTU_X86_ARCHIVE=http://.*archive.ubuntu.com \
--build-arg UBUNTU_X86_SECURITY=http://.*security.ubuntu.com \
--build-arg UBUNTU_ARM64=http://ports.ubuntu.com \
--build-arg APT_PATH=http://repo.huaweicloud.com \
--build-arg PYTHON_PATH=https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz \
--build-arg PYPI_PATH=https://repo.huaweicloud.com/repository/pypi/simple \
--build-arg PYPI_PATH_TRUST=repo.huaweicloud.com \
--build-arg MSIT_PATH=https://gitee.com/ascend/msit.git \
-f Dockerfile . -t msit-caffe:latest

Err:1 http://repo.huaweicloud.com/ubuntu-ports focal InRelease
  Temporary failure resoving 'repo.huaweicloud.com'
Err:2 http://repo.huaweicloud.com/ubuntu-ports focal-updates InRelease
  Temporary failure resoving 'repo.huaweicloud.com'

ARG PYPI_PATH_TRUST
ARG MSIT_PATH

# 添加环境变量
ENV http_proxy=http://${USER_NAME}:${PASSWORD}@${PROXY_SERVER}:${PORT}
ENV https_proxy=http://${USER_NAME}:${PASSWORD}@${PROXY_SERVER}:${PORT}

#安装python、CANN_TOOLKIT,软件包、依赖，并配置环境变量写入.bashrc
RUN groupadd HwHiAiUser && useradd -rm -d /home/HwHiAiUser -s /bin/bash -g HwHiAiUser -G HwHiAiUser -u 1001 HwHiAiUser  &&\
    if [ "$(uname -m)" = "x86_64" ]; then \

wget --no-check-certificate ${PYTHON_PATH}

docker run -it -v=`pwd`:/work   -v /usr/local/Ascend/driver:/usr/local/Ascend/driver -v /usr/bin/npu-smi:/usr/bin/npu-smi \
-v /usr/local/Ascend/add-ons:/usr/local/Ascend/add-ons --device /dev/davinci0 --device /dev/davinci_manager --device /dev/hisi_hdc --device /dev/devmm_svm  msit-caffe:latest

msit debug compare -gm /home/HwHiAiUser/onnx_prouce_data/resnet_offical.onnx -om /home/HwHiAiUser/onnx_prouce_data/model/resnet50.om \
-c /usr/local/Ascend/ascend-toolkit/latest -o /home/HwHiAiUser/result/test

{output_path}/{timestamp}/{input_name-input_shape}  # {input_name-input_shape} 用来区分动态shape时不同的模型实际输入，静态shape时没有该层
├-- dump_data
│   ├-- npu                          # npu dump 数据目录
│   │   ├-- {timestamp}              # 模型所有npu dump的算子输出，dump为False情况下没有该目录
│   │   │   └-- 0                    # Device 设备 ID 号
│   │   │       └-- {om_model_name}  # 模型名称
│   │   │           └-- 1            # 模型 ID 号
│   │   │               ├-- 0        # 针对每个Task ID执行的次数维护一个序号，从0开始计数，该Task每dump一次数据，序号递增1
│   │   │               │   ├-- Add.8.5.1682067845380164
│   │   │               │   ├-- ...
│   │   │               │   └-- Transpose.4.1682148295048447
│   │   │               └-- 1
│   │   │                   ├-- Add.11.4.1682148323212422
│   │   │                   ├-- ...
│   │   │                   └-- Transpose.4.1682148327390978
│   │   ├-- {time_stamp}
│   │   │   ├-- output_0.bin
│   │   │   └-- output_0.npy
│   │   └-- {time_stamp}_summary.json
│   └-- {onnx or tf or caffe} # 原模型 dump 数据存放路径，onnx / tf / caffe 分别对应 ONNX / Tensorflow / Caffe 模型
│       ├-- Add_100.0.1682148256368588.npy
│       ├-- input_Add_100.0.1682148256368588.npy  # 如果是onnx模型，则会dump输入数据，并增加对应的input前缀
│       ├-- ...
│       └-- Where_22.0.1682148253575249.npy
├-- input
│   └-- input_0.bin                          # 随机输入数据，若指定了输入数据，则该文件不存在
├-- model
│   ├-- {om_model_name}.json                    # 离线模型om模型(.om)通过atc工具转换后的json文件
│   └-- new_{onnx_model_name}.onnx              # 把每个算子作为输出节点后新生成的 onnx 模型
│   └-- custom_op_{onnx_model_name}.onnx        # 若指定了--custom-op，删除自定义算子后的onnx子图模型
│   └-- new_custom_op_{onnx_model_name}.onnx    # 若指定了--custom-op，删除自定义算子后的onnx子图模型，并把每个算子作为输出节点后新生成的 onnx 模型
├-- result_{timestamp}.csv                   # 比对结果文件
└-- tmp                                      # 如果 -m 模型为 Tensorflow pb 文件, tfdbg 相关的临时目录

msit install compare

python3 /msit_path/msit/components/debug/compare/msquickcmp/tf_debug_runner.py -m /model_path/tf/model.pb -i /path/tf/input.bin -o /output_path/tf/output --output_nodes "output_node:0"

tfdbg> run

{output_path}  # 设定的保存文件路径
├-- {op_name}.{output_index}.{timestamp}.npy #dump的npy数据文件