---
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，需要开发者有丰富的调优经验，对开发人员要求较高。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr1/tfmigr1_000064.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr1/tfmigr1_000064.html
indexId: 4a629209446a54b7a7b469b4ac9368d2bdadef44ac6d570cb163217d4d90572f73
---
# 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，需要开发者有丰富的调优经验，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算子的性能不佳，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。

  若有AI CPU算子，需要进一步分析AI CPU算子的时间段是否能被AI Core算子的执行时间掩盖，如果掩盖不住需要考虑将该AI CPU算子用AI Core算子的方式进行实现，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。