---
title: 进阶调优
description: "通过Profiling数据分析出性能瓶颈点，再进行对应的调优手段，需要开发人员有丰富的调优经验，对开发人员要求较高。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr2/tfmigr2_000076.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr2/tfmigr2_000076.html
indexId: 0410ec26f6f3c463e422cc89c851817bac335d04b7d83c1522262501ab83c7d673
---
# 进阶调优

通过Profiling数据分析出性能瓶颈点，再进行对应的调优手段，需要开发人员有丰富的调优经验，对开发人员要求较高。

- 通过对迭代轨迹数据进行分析，若发现“FP to BP Time”耗时较长，可进一步根据op_statistic_*.csv与op_summary_*.csv文件，分析耗时较长的算子。
  若分析算子性能数据时，发现ReduceSum算子的性能很差，可参见网络调测时ReduceSum算子性能差将算子配置到混合精度黑名单进行处理。

  若存在AI CPU算子，需进一步分析其执行时间段是否能够被AI Core算子的执行时间所覆盖。如若不能，则应考虑将该AI CPU算子通过AI Core算子的方式重新实现，详细的实现方法可参见《Ascend C算子开发(https://www.hiascend.com/document/detail/zh/canncommercial/900/programug/Ascendcopdevg/atlas_ascendc_map_10_0002.html)》。

- 通过对迭代轨迹数据进行分析，若发现“Data Aug Bound”即前端计算耗时较长，可进一步结合TensorFlow原生的Profiling工具，识别出计算无关操作，并将其进行屏蔽，从而提升单轮迭代性能。
- 分析op_statistic_*.csv文件，发现某些算子耗时较长，可尝试使用“  op_precision_mode
”参数指定耗时较长的算子为高性能模式，从而提升算子性能。