数据分析方法

本节仅提供简单的性能分析思路，具体性能分析请根据实际数据判断，更多性能数据分析样例请参见《MindStudio用户指南》的“性能分析”章节。

全量迭代耗时数据：在Timeline视图下查看Step Trace数据迭代耗时情况，识别耗时较长迭代进行分析。
导出对应迭代Timeline数据：单击耗时较长迭代按钮弹出对话框，单击“Yes”导出对应迭代Timeline数据。如图1所示。
图1 Step Trace
查看迭代内耗时情况：存在较长耗时算子时，可以进一步找算子详细信息辅助定位；存在通信耗时或调度间隙较长时，分析调用过程中接口耗时。如图2所示。
图2 AI Core task
查看对应的算子统计表：查看迭代内每个AICORE和AICPU算子的耗时及详细信息，进一步定位分析算子的Metrics指标数据，分析算子数据搬运、执行流水的占比情况，识别算子瓶颈点。如图3所示。
图3 AI Core Metrics
查看组件接口耗时统计表：查看迭代内AscendCL API和Runtime API的接口耗时情况，辅助分析接口调用对性能的影响。如图4所示。
图4 Statistics

父主题： 性能分析（AscendCL应用）