Ascend PyTorch Profiler性能数据离线解析

当使用Ascend PyTorch Profiler接口采集的性能数据较大时，若在当前环境直接使用on_trace_ready接口进行自动解析，则可能导致资源占用过大出现卡顿，那么可以取消on_trace_ready接口，并通过环境变量ASCEND_WORK_PATH设置落盘目录（例如：export ASCEND_WORK_PATH=xx/xx），在采集完成性能数据后，使用如下方式进行离线解析：

1. 创建{file_name}.py文件，{file_name}自定义，并编辑如下代码：

   1 2 3 4

   from torch_npu.profiler.profiler import analyse if __name__ == "__main__": analyse(profiler_path="./result_data", max_process_number=max_process_number, export_type=export_type)

   表1 参数说明

   参数	描述	可选/必选
   profiler_path	PyTorch性能数据路径。路径格式仅支持由字母、数字和下划线组成的字符串，不支持软链接。指定的目录下保存PyTorch性能数据目录{worker_name}_{时间戳}_ascend_pt。	必选
   max_process_number	离线解析最大进程数。取值范围为1~CPU核数，默认为CPU核数的一半。若设置超过该环境的CPU核数，则自动取CPU核数；若设置为非法值，则取默认值CPU核数的一半。	可选
   export_type	设置导出的性能数据结果文件格式，List类型。可取值： text：表示解析为.json和.csv格式的timeline和summary文件。 db：表示解析为一个汇总所有性能数据的.db格式文件（ascend_pytorch.db、analysis.db），使用MindStudio Insight工具展示。仅支持on_trace_ready接口导出和离线解析导出，需配套安装支持导出db格式的Ascend-cann-toolkit开发套件包，即CANN 8.0.RC1及以上版本。 设置无效值或未配置时，则读取profiler_info.json中的export_type字段，确定导出格式。两个参数可同时配置，表示同时导出timeline、summary和db文件。 解析结果数据请参见Ascend PyTorch Profiler接口采集数据。	可选

   

   • 离线解析接口支持多性能数据目录并行解析，当性能数据量较大且数据目录较多的情况下，可能因环境内存不足导致解析失败，此时可以通过自定义最大进程数（max_process_number）来控制资源的占用。
   • 解析过程日志存放在{worker_name}_{时间戳}_ascend_pt/logs目录下。
2. 保存文件后执行如下命令解析性能数据：

   python3 {file_name}.py

3. 查看性能数据结果文件和性能数据分析。

   性能数据结果文件详细介绍请参见数据目录说明，性能数据分析请参见《MindStudio Insight 用户指南》将解析后的性能数据文件进行可视化展示和分析。