PROFILING_OPTIONS

功能描述

Profiling配置选项。

• output：Profiling采集结果文件保存路径。该参数指定的目录需要在启动训练的环境上（容器或Host侧）提前创建且确保安装时配置的运行用户具有读写权限，支持配置绝对路径或相对路径（相对执行命令行时的当前路径）。
  • 绝对路径配置以“/”开头，例如：/home/HwHiAiUser/output。
  • 相对路径配置直接以目录名开始，例如：output。
• storage_limit：指定落盘目录允许存放的最大文件容量。当Profiling数据文件在磁盘中即将占满本参数设置的最大存储空间（剩余空间<=20MB）或剩余磁盘总空间即将被占满时（总空间剩余<=20MB），则将磁盘内最早的文件进行老化删除处理。

  单位为MB，取值范围为[200, 4294967295]，默认未配置本参数。

  参数值配置格式为数值+单位，例如"storage_limit": "200MB"。

  未配置本参数时，不开启数据老化功能。

• training_trace：采集迭代轨迹数据，即训练任务及AI软件栈的软件信息，实现对训练任务的性能分析，重点关注数据增强、前后向计算、梯度聚合更新等相关数据。当训练profiling mode开启即采集训练Job Profiling数据时，必须配置training_trace为on。
• task_trace：采集任务信息数据以及Host与Device之间、Device间的同步异步内存复制时延，即昇腾AI处理器HWTS数据，分析任务开始、结束等信息。取值on/off。如果将该参数配置为“on”和“off”之外的任意值，则按配置为“off”处理。当训练profiling mode开启即采集训练Job Profiling数据时，配置task_trace为on的同时training_trace也必须配置为on。
• hccl：控制hccl数据采集开关，可选on或off，默认为off。
• aicpu：采集AICPU算子的详细信息，如：算子执行时间、数据拷贝时间等。取值on/off。如果将该参数配置为“on”和“off”之外的任意值，则按配置为“off”处理。
• fp_point：指定训练网络迭代轨迹正向算子的开始位置，用于记录前向计算开始时间戳。配置值为指定的正向第一个算子名字。用户可以在训练脚本中，通过tf.io.write_graph将graph保存成.pbtxt文件，并获取文件中的name名称填入；也可直接配置为空，由系统自动识别正向算子的开始位置，例如"fp_point":""。
• bp_point：指定训练网络迭代轨迹反向算子的结束位置，记录后向计算结束时间戳，BP_POINT和FP_POINT可以计算出正反向时间。配置值为指定的反向最后一个算子名字。用户可以在训练脚本中，通过tf.io.write_graph将graph保存成.pbtxt文件，并获取文件中的name名称填入；也可直接配置为空，由系统自动识别反向算子的结束位置，例如"bp_point":""。
• aic_metrics：AI Core的硬件信息，取值如下：

  ArithmeticUtilization：各种计算类指标占比统计；

  PipeUtilization： 计算单元和搬运单元耗时占比，该项为默认值；

  Memory：外部内存读写类指令占比；

  MemoryL0：内部内存读写类指令占比；

  ResourceConflictRatio：流水线队列类指令占比。

• l2：控制L2采样数据的开关，可选on或off，默认为off。该参数配置前提是application参数已配置。可选参数。
• msproftx：控制msproftx用户和上层框架程序输出性能数据的开关，可选on或off，默认值为off。

  Profiling开启msproftx功能之前，需要在程序内调用msproftx相关接口来开启程序的Profiling数据流的输出，详细操作请参见《应用软件开发指南 (C&C++)》手册“高级功能>Profiling性能数据采集”章节。

配置示例

export PROFILING_OPTIONS='{"output":"/tmp/profiling","training_trace":"on","task_trace":"on","aicpu":"on","fp_point":"resnet_model/conv2d/Conv2Dresnet_model/batch_normalization/FusedBatchNormV3_Reduce","bp_point":"gradients/AddN_70","aic_metrics":"PipeUtilization"}'