Data Preparation

Data Preparation数据准备性能分析。

仅支持集群训练场景的数据准备过程进行性能分析。
MindStudio不支持集群场景的数据采集，可通过Merge Reports导入已采集的PROF_XXX的父目录来展示集群场景性能数据。

数据准备过程可以分为三个阶段：数据处理pipeline、训练数据发送至Device以及Device侧读取训练数据。

数据准备过程中，MindStudio性能分析工具通过迭代间隙的识别，实现了训练数据发送至Device以及Device侧读取训练数据两个阶段的性能瓶颈分析，如图1所示包含Data Queues（数据队列图，是分析判断的重要依据）和Data Acquisition（取数据算子耗时图）。

Data Queues的纵坐标为Device侧读取训练数据时队列的长度。如果数据队列长度为0，则训练会一直等待，直到队列中有数据才会开始某个迭代的训练，该迭代可能存在性能瓶颈；如果数据队列长度大于0，则训练可以快速读取数据，数据准备不是该迭代的瓶颈所在；如果图中存在波动的曲线，则表示训练从队列读取数据时存在延迟，可能存在性能瓶颈。
Data Acquisition的纵坐标表示取数据算子从Host侧取数据到队列中的耗时，如果耗时较长，则可能存在性能瓶颈。

图1 Data Preparation

图中各字段说明如表1所示。

表1 字段说明
字段	说明
Rank ID	集群场景的节点ID。
Apply	数据导出按钮。当选择某个Rank ID并单击该按钮时，导出该节点的Data Preparation。
Data Queues	数据队列图。
Proportion of empty queues: /	队列为空比例：空队列数/总队列数。为数据队列图横纵坐标信息的汇总值。
Iteration	迭代。
Data Acquisition	取数据算子耗时图。
Average duration: *ms	平均总耗时，单位为ms。为取数据算子耗时图横纵坐标信息的汇总后的平均值。
Time(ms)	取数据算子耗时。

父主题： Profiling数据展示