性能分析器
性能分析器是一种工具,允许在训练和推理过程中收集性能指标。性能分析器的上下文管理器 API 可以帮助你更好地了解哪些模型操作符最耗时,检查它们的输入形状和堆栈跟踪,研究设备内核活动,并可视化执行跟踪。它提供了对你模型性能的洞察,使你能够优化和改进模型。
本指南解释了如何使用 PyTorch 性能分析器来测量模型操作符的时间和内存消耗,以及如何将其与 Accelerate 集成。我们将涵盖各种用例,并为每个用例提供示例。
使用性能分析器分析执行时间
性能分析器允许你检查在使用性能分析器上下文管理器包装的代码范围内调用了哪些操作符。
让我们看看如何使用性能分析器来分析执行时间:
生成的表格输出(省略了一些列):
--------------------------------- ------------ ------------ ------------ ------------
Name Self CPU CPU total CPU time avg # of Calls
--------------------------------- ------------ ------------ ------------ ------------
aten::conv2d 171.000us 52.260ms 2.613ms 20
aten::convolution 227.000us 52.089ms 2.604ms 20
aten::_convolution 270.000us 51.862ms 2.593ms 20
aten::mkldnn_convolution 51.273ms 51.592ms 2.580ms 20
aten::batch_norm 118.000us 7.059ms 352.950us 20
aten::_batch_norm_impl_index 315.000us 6.941ms 347.050us 20
aten::native_batch_norm 6.305ms 6.599ms 329.950us 20
aten::max_pool2d 40.000us 4.008ms 4.008ms 1
aten::max_pool2d_with_indices 3.968ms 3.968ms 3.968ms 1
aten::add_ 780.000us 780.000us 27.857us 28
--------------------------------- ------------ ------------ ------------ ------------
Self CPU time total: 67.016ms
要获得更细粒度的结果并包含操作符输入形状,请传递 group_by_input_shape=True
(注意:这需要使用 record_shapes=True
运行分析器):
print(prof.key_averages(group_by_input_shape=True).table(sort_by="cpu_time_total", row_limit=10))
使用分析器分析内存消耗
分析器还可以显示在模型运算符执行期间分配(或释放)的内存(由模型的张量使用)的数量。要启用内存分析功能,请传递 profile_memory=True
。
生成的表格输出(省略了一些列):
--------------------------------- ------------ ------------ ------------
Name CPU Mem Self CPU Mem # of Calls
--------------------------------- ------------ ------------ ------------
aten::empty 94.85 Mb 94.85 Mb 205
aten::max_pool2d_with_indices 11.48 Mb 11.48 Mb 1
aten::addmm 19.53 Kb 19.53 Kb 1
aten::mean 10.00 Kb 10.00 Kb 1
aten::empty_strided 492 b 492 b 5
aten::cat 240 b 240 b 6
aten::abs 480 b 240 b 4
aten::masked_select 120 b 112 b 1
aten::ne 61 b 53 b 3
aten::eq 30 b 30 b 1
--------------------------------- ------------ ------------ ------------
Self CPU time total: 69.332ms
导出 Chrome 跟踪
你可以在 Chrome 跟踪查看器 (chrome://tracing
) 中查看已配置的操作符和 CUDA 内核的序列:
使用 Profiler 分析长时间运行的任务
Profiler 提供了一个额外的 API 来处理长时间运行的任务(例如训练循环)。跟踪所有执行过程可能会很慢,并生成非常大的跟踪文件。为了避免这种情况,可以使用可选参数:
schedule_option
:调度选项允许你控制何时启用分析。这对于长时间运行的任务非常有用,可以避免收集过多的数据。可用的键包括wait
、warmup
、active
、repeat
和skip_first
。分析器将跳过前skip_first
步,然后等待wait
步,接着在接下来的warmup
步中进行预热,然后在接下来的active
步中进行活动记录,然后从wait
步开始重复这个循环。可选的循环次数可以通过repeat
参数指定,零值表示循环将一直持续到分析结束。on_trace_ready
:指定一个函数,该函数以分析器的引用作为输入,并在每次新的跟踪准备就绪时由分析器调用。
为了说明 API 的工作原理,考虑以下示例:
FLOPS
使用公式来估算特定操作符(矩阵乘法和2D卷积)的FLOPs(浮点运算次数)。
为了测量浮点运算次数(FLOPS):
生成的表格输出(省略了一些列):
------------------------------------------------------- ------------ ------------ ------------
Name Self CPU Self CUDA Total FLOPs
------------------------------------------------------- ------------ ------------ ------------
aten::conv2d 197.000us 0.000us 18135613440.000
aten::addmm 103.000us 17.000us 5120000.000
aten::mul 29.000us 2.000us 30.000
aten::convolution 409.000us 0.000us --
aten::_convolution 253.000us 0.000us --
aten::cudnn_convolution 5.465ms 2.970ms --
cudaEventRecord 138.000us 0.000us --
cudaStreamIsCapturing 43.000us 0.000us --
cudaStreamGetPriority 40.000us 0.000us --
cudaDeviceGetStreamPriorityRange 10.000us 0.000us --
------------------------------------------------------- ------------ ------------ ------------
Self CPU time total: 21.938ms
Self CUDA time total: 4.165ms
结论和更多信息
PyTorch Profiler 是一个强大的工具,用于分析你的模型的性能。通过与 Accelerate 集成,你可以轻松地对模型进行性能分析,从而获得性能洞察,帮助你优化和改进模型。
如需更详细的信息,请参阅 PyTorch Profiler 文档。