模型性能数据生成与分析（Profiler）¶

注解

由于实现限制，动态图与静态图下的 Profiler 接口并不一致，侧重点也不相同，下面将分别介绍。

动态图下的性能分析¶

假设我们写好了一份动态图代码，其中训练部分代码如下：

def train_step(data, label, *, optimizer, gm, model)
    with gm:
        logits = model(data)
        loss = F.loss.cross_entropy(logits, label)
        gm.backward(loss)
        optimizer.step().clear_grad()
    return loss

生成性能数据¶

警告

挂载 Profiler 会拖慢模型的运行速度（大概在 8% 左右）。

想要使用 Profiler 生成性能数据，存在两种写法（任选其一即可）：

使用 profile 装饰器（profile 是 Profiler 别名）
使用 with Profiler 语法

示例代码如下：

from megengine.utils.profiler import profile, Profiler

# 装饰器写法
@profile()
def train_step(data, label, *, optimizer, gm, model)
    with gm:
        logits = model(data)
        loss = F.loss.cross_entropy(logits, label)
        gm.backward(loss)
        optimizer.step().clear_grad()
    return loss

# with 写法
profiler = Profiler()
def train_step(data, label, *, optimizer, gm, model)
    with profiler:
       with gm:
           logits = model(data)
           loss = F.loss.cross_entropy(logits, label)
           gm.backward(loss)
           optimizer.step().clear_grad()
    return loss

这样在每次进到对应代码块里时，MegEngine 会对区域里的代码单独做一次 Profiling.

程序结束时（准确地说，是在Profiler析构时），将会在运行目录下生成 JSON 文件，用于接下来的性能分析。

参数说明¶

Profiler 的构造函数支持如下参数：

path: profile数据的存储路径，默认为当前路径下的 profile 文件夹.
format: 输出数据的格式，默认为 chrome_timeline.json ，是Chrome支持的一种标准格式，以时间线的形式展现profiling结果. 可选项还有 有memory_flow.svg ，以时间x地址空间的形式展示内存使用情况.
formats: 若需要的输出格式不止一种，可以在formats参数里列出.
sample_rate: 若该项不为零，则每隔n个op会统计一次显存信息，分析数据时可以绘制显存占用曲线，默认为0.
profile_device: 是否记录gpu耗时，默认为True.

分析性能数据¶

可以使用 Perfetto 工具加载上一步生成的 JSON 文件：

打开 Perfetto 网页；
点击 Open trace file 按钮加载数据；
展开内容。

此时可以在窗口里看到数个线程，每个线程都按时间顺序显示历史调用栈。横坐标是时间轴，色块的左右边缘是事件的起始与终止时间。纵坐标代表事件所属的线程（其中 channel 为 python 主线程）。例如，当我们在模型源代码里的 self.conv1(x) 被执行时， channel 线程上会有一个对应的 conv1 块，而其他线程上同样的 conv1 块会滞后一些。而 worker 的主要工作是发送 kernel, 而真正执行计算的是 gpu 线程。 gpu 线程上的事件密度明显比 channel 和 worker 高。

注解

一般来说，GPU 线程越繁忙，说明模型的 GPU 利用率越高。
频繁使用 Tensor.shape , Tensor.numpy 操作都可能导致需要做数据同步，降低 GPU 的利用率。

以下操作会在 Performance 界面里默认以色块的形式呈现：

通过观察事件的持续时间，可以评估模型的性能瓶颈。在timeline的上方还会有一些曲线这些曲线与下方的事件共用同一条时间轴，展示了对应数据的变化过程。

静态图下的性能分析¶

假设我们写好了一份静态图代码，其中训练部分代码如下：

@trace(symbolic=True)
def train_step(data, label, *, optimizer, gm, model)
    with gm:
        logits = model(data)
        loss = F.loss.cross_entropy(logits, label)
        gm.backward(loss)
        optimizer.step().clear_grad()
    return loss

生成性能数据¶

只需要在 trace 接口中传入 profiling=True, 然后再调用 get_profile 方法即可得到性能数据。

修改后的代码如下：

@trace(symbolic=True, profiling=True)
def train_step(data, label, *, optimizer, gm, model)
    with gm:
        logits = model(data)
        loss = F.loss.cross_entropy(logits, label)
        gm.backward(loss)
        optimizer.step().clear_grad()
    return loss

 ... # 训练代码，调用了 train_step()

 # 得到性能数据
prof_result = train_func.get_profile()

# 保存结果为 JSON 格式
with open("profiling.json", "w") as fout:
    json.dump(prof_result, fout, indent=2)

这样我们将获得一个 JSON 文件，可用于下面的性能分析。

分析性能数据¶

在前一步中保存的 JSON 文件可以使用 MegEngine 在 tools 目录下提供的 profile_analyze.py 脚本进行分析，示例代码如下：

# 输出详细帮助信息
python3 -m megengine.tools.profile_analyze -h

# 输出前 5 慢的算子
python3 -m megengine.tools.profile_analyze ./profiling.json -t 5

# 输出总耗时前 5 大的算子的类型
python3 -m megengine.tools.profile_analyze ./profiling.json -t 5 --aggregate-by type --aggregate sum

# 按 memory 排序输出用时超过 0.1ms 的 ConvolutionForward 算子
python3 -m megengine.tools.profile_analyze ./profiling.json -t 5 --order-by memory --min-time 1e-4  --type ConvolutionForward

输出将是一张表格，每列的含义如下：

device self time: 算子在计算设备上（例如 GPU ）的运行时间
cumulative: 累加前面所有算子的时间
operator info: 打印算子的基本信息
computation: 算子需要的浮点数操作数目
FLOPS: 算子每秒执行的浮点操作数目，由 computation 除以 device self time 并转换单位得到
memory: 算子使用的存储（例如 GPU 显存）大小
bandwidth: 算子的带宽，由 memory 除以 device self time 并转换单位得到
in_shapes: 算子输入张量的形状
out_shapes: 算子输出张量的形状

自动混合精度（AMP）

即时编译（JIT）