---
title: 离线解析
description: "若需要重新解析MindSpore Profiler接口采集的性能数据，可以使用mindspore.profiler.profiler.analyse接口进行离线解析。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/Profiling/atlasprofiling_16_1160.html
sourcePath: /source/zh/canncommercial/900/devaids/Profiling/atlasprofiling_16_1160.html
indexId: 236c08524b9520dca929ec0da54353c98f606ab03be3cca4d178ab5beb704f3475
---
# 离线解析

若需要重新解析MindSpore Profiler接口采集的性能数据，可以使用mindspore.profiler.profiler.analyse接口进行离线解析。

mindspore.profiler.profiler.analyse接口详细介绍请参见mindspore.profiler.profiler.analyse(https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.profiler.profiler.analyse.html)。

1. 创建{file_name}.py文件，{file_name}自定义，并编辑如下代码。
  1 2 3 from mindspore.profiler.profiler import analyse analyse("./profiler_data_path") # './profiler_data_path'为离线解析数据路径

  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MindSpore&PyTorch框架性能数据文件参考。

  请参见《MindStudio Insight工具用户指南(https://www.hiascend.com/document/detail/zh/mindstudio/2600/GUI_baseddevelopmenttool/MindStudioInsight/docs/zh/user_guide/overview.md)》将解析后的性能数据文件进行可视化展示和分析。

  可以使用性能分析工具（msprof-analyze）(https://gitcode.com/Ascend/mstt/tree/master/profiler/msprof_analyze)辅助分析性能数据。