torch._logging.set_logs

torch._logging.set_logs(*, all=None, dynamo=None, aot=None, autograd=None, dynamic=None, inductor=None, distributed=None, c10d=None, ddp=None, fsdp=None, dtensor=None, onnx=None, bytecode=False, aot_graphs=False, aot_joint_graph=False, ddp_graphs=False, graph=False, graph_code=False, graph_code_verbose=False, graph_breaks=False, side_effects=False, graph_sizes=False, guards=False, recompiles=False, recompiles_verbose=False, trace_source=False, trace_call=False, trace_bytecode=False, output_code=False, kernel_code=False, schedule=False, perf_hints=False, pre_grad_graphs=False, post_grad_graphs=False, ir_pre_fusion=False, ir_post_fusion=False, onnx_diagnostics=False, fusion=False, overlap=False, export=None, modules=None, cudagraphs=False, sym_node=False, compiled_autograd=False, compiled_autograd_verbose=False, cudagraph_static_inputs=False, benchmarking=False, autotuning=False, autotuning_inputs=False, incremental=False, graph_region_expansion=False, inductor_metrics=False, hierarchical_compile=False, compute_dependencies=False, caching=False, partitioned_scatter=False) [исходный код]

Устанавливает уровень журналирования для отдельных компонентов и включает или отключает отдельные типы артефактов журнала.

Предупреждение

Эта функция является прототипом, и в будущем в ней могут произойти несовместимые изменения.

Примечание

Переменная окружения TORCH_LOGS имеет безусловный приоритет над этой функцией, поэтому, если она задана, эта функция ничего не делает.

Компонент — это набор связанных функций PyTorch. Все сообщения журнала, выдаваемые определённым компонентом, имеют собственные уровни журналирования. Если приоритет уровня журналирования конкретного сообщения выше или равен уровню, заданному для его компонента, это сообщение выводится. В противном случае оно подавляется. Это позволяет, например, отключать большие группы неактуальных для вас сообщений журнала и увеличивать подробность журналов для нужных компонентов. Допустимые значения уровня журналирования, упорядоченные от наивысшего приоритета к наименьшему:

• logging.CRITICAL
• logging.ERROR
• logging.WARNING
• logging.INFO
• logging.DEBUG
• logging.NOTSET

Дополнительные сведения об уровнях журналирования см. в документации по модулю Python logging: https://docs.python.org/3/library/logging.html#logging-levels

Артефакт — это определённый тип сообщения журнала. Каждому артефакту назначается родительский компонент. Компонент может выдавать множество различных типов артефактов. Как правило, артефакт выводится, если соответствующий параметр в списке аргументов ниже включён или если для его родительского компонента задан уровень журналирования, меньший или равный уровню журналирования артефакта.

Именованные аргументы:

• all (Optional[int]) – Уровень журналирования по умолчанию для всех компонентов. По умолчанию: logging.WARN
• dynamo (Optional[int]) – Уровень журналирования для компонента TorchDynamo. По умолчанию: logging.WARN
• aot (Optional[int]) – Уровень журналирования для компонента AOTAutograd. По умолчанию: logging.WARN
• autograd (Optional[int]) – Уровень журналирования для autograd. По умолчанию: logging.WARN
• inductor (Optional[int]) – Уровень журналирования для компонента TorchInductor. По умолчанию: logging.WARN
• dynamic (Optional[int]) – Уровень журналирования для динамических форм. По умолчанию: logging.WARN
• distributed (Optional[int]) – Определяет, следует ли журналировать операции обмена данными c10d и прочую отладочную информацию компонентов PyTorch Distributed. По умолчанию: logging.WARN
• c10d (Optional[int]) – Определяет, следует ли журналировать отладочную информацию, связанную с операциями обмена данными c10d в компонентах PyTorch Distributed. По умолчанию: logging.WARN
• ddp (Optional[int]) – Определяет, следует ли журналировать отладочную информацию, связанную с DistributedDataParallel``(DDP) from PyTorch Distributed components. Default: ``logging.WARN
• fsdp (Optional[int]) – Определяет, следует ли журналировать отладочную информацию, связанную с FullyShardedDataParallel``(FSDP) in PyTorch Distributed components. Default: ``logging.WARN
• dtensor (Optional[int]) – Определяет, следует ли журналировать отладочную информацию, связанную с DTensor``(DTensor) in PyTorch Distributed components. Default: ``logging.WARN
• onnx (Optional[int]) – Уровень журналирования для компонента экспорта ONNX. По умолчанию: logging.WARN
• bytecode (bool) – Определяет, следует ли выводить исходный и сгенерированный байт-код TorchDynamo. По умолчанию: False
• aot_graphs (bool) – Определяет, следует ли выводить графы, созданные AOTAutograd. По умолчанию: False
• aot_joint_graph (bool) – Определяет, следует ли выводить совместный граф прямого и обратного проходов, созданный AOTAutograd. По умолчанию: False
• ddp_graphs (bool) – Определяет, следует ли выводить графы, созданные DDPOptimizer. По умолчанию: False
• graph (bool) – Определяет, следует ли выводить граф, захваченный TorchDynamo, в табличном формате. По умолчанию: False
• graph_code (bool) – Определяет, следует ли выводить исходный код Python графа, захваченного TorchDynamo. По умолчанию: False
• graph_code_verbose (bool) – Определяет, следует ли выводить подробные журналы промежуточных проходов FX для кода графа. По умолчанию: False
• graph_breaks (bool) – Определяет, следует ли выводить разрывы графа, обнаруженные TorchDynamo. По умолчанию: False
• side_effects (bool) – Определяет, следует ли выводить побочные эффекты (изменения, хуки и т. д.), которые TorchDynamo генерирует в выходном графе. По умолчанию: False
• graph_sizes (bool) – Определяет, следует ли выводить размеры тензоров графа, захваченного TorchDynamo. По умолчанию: False
• guards (bool) – Определяет, следует ли выводить ограничения, созданные TorchDynamo для каждой скомпилированной функции. По умолчанию: False
• recompiles (bool) – Определяет, следует ли выводить причину и сообщение о сбое ограничения каждый раз, когда TorchDynamo повторно компилирует функцию. По умолчанию: False
• recompiles_verbose (bool) – Определяет, следует ли выводить все причины сбоев ограничений при повторной компиляции функции TorchDynamo, даже те, которые фактически не выполняются. По умолчанию: False
• trace_source (bool) – Определяет, следует ли выводить сообщение о начале трассировки новой строки кода TorchDynamo. По умолчанию: False
• trace_call (bool) – Определяет, следует ли выводить подробное расположение строки кода, когда TorchDynamo создаёт узел FX, соответствующий вызову функции. Только для Python 3.11 и выше. По умолчанию: False
• trace_bytecode (bool) – Определяет, следует ли выводить инструкции байт-кода и состояние трассируемого стека во время трассировки байт-кода TorchDynamo. По умолчанию: False
• output_code (bool) – Определяет, следует ли выводить выходной код TorchInductor для каждого графа. По умолчанию: False
• kernel_code (bool) – Определяет, следует ли выводить выходной код TorchInductor для каждого ядра. По умолчанию: False
• schedule (bool) – Определяет, следует ли выводить расписание TorchInductor. По умолчанию: False
• perf_hints (bool) – Определяет, следует ли выводить подсказки по производительности TorchInductor. По умолчанию: False
• pre_grad_graphs (bool) – Определяет, следует ли выводить графы до градиентных проходов Inductor. По умолчанию: False
• post_grad_graphs (bool) – Определяет, следует ли выводить графы, созданные после градиентных проходов. По умолчанию: False
• ir_pre_fusion (bool) – Определяет, следует ли выводить графы до проходов слияния Inductor. По умолчанию: False
• ir_post_fusion (bool) – Определяет, следует ли выводить графы после проходов слияния Inductor. По умолчанию: False
• onnx_diagnostics (bool) – Определяет, следует ли выводить диагностические сообщения экспортера ONNX в журнал. По умолчанию: False
• fusion (bool) – Определяет, следует ли выводить подробные сведения о решениях Inductor по слиянию. По умолчанию: False
• overlap (bool) – Определяет, следует ли выводить подробные сведения о решениях Inductor по перекрытию вычислений и обмена данными. По умолчанию: False
• sym_node (bool) – Определяет, следует ли выводить отладочную информацию о различных операциях SymNode. По умолчанию: False
• export (Optional[int]) – Уровень журналирования для экспорта. По умолчанию: logging.WARN
• benchmarking (bool) – Определяет, следует ли выводить подробные сведения о тестировании производительности Inductor. По умолчанию: False
• modules (dict) – Этот аргумент предоставляет альтернативный способ задания параметров компонентов журналирования и артефактов, описанных выше: словарь именованных аргументов передаётся как один аргумент. Это полезно в двух случаях: (1) если зарегистрирован новый компонент журналирования или артефакт, но именованный аргумент для него ещё не добавлен в эту функцию; (2) если требуется задать уровень журналирования для незарегистрированного модуля. Для этого укажите полное имя модуля в качестве ключа, а уровень журналирования — в качестве значения. По умолчанию: None
• cudagraph_static_inputs (bool) – Определяет, следует ли выводить отладочную информацию об обнаружении статических входных данных cudagraph. По умолчанию: False
• autotuning (bool) – Журналы выбора параметров автоподстройки, например исходный код ядра, показатели производительности и параметры настройки. По умолчанию: False
• autotuning_inputs (bool) – Формы, типы данных и шаги тензоров на входе каждого ядра, регистрируемые во время автоподстройки. По умолчанию: False
• incremental (bool) – Журналы инкрементальной автоподстройки. По умолчанию: False
• graph_region_expansion (bool) – Определяет, следует ли выводить подробные этапы алгоритма расширения отслеживания дублирующихся областей графа. По умолчанию: False
• inductor_metrics (bool) – Определяет, следует ли оценивать время выполнения узлов графа и записывать его в таблицу метрик. По умолчанию: False
• hierarchical_compile (bool) – Определяет, следует ли выводить отладочную информацию о иерархической компиляции. По умолчанию: False
• caching (bool) – Определяет, следует ли выводить подробную информацию о кэшировании Inductor. По умолчанию: False

Пример:

>>> import logging

# The following changes the "dynamo" component to emit DEBUG-level
# logs, and to emit "graph_code" artifacts.

>>> torch._logging.set_logs(dynamo=logging.DEBUG, graph_code=True)

# The following enables the logs for a different module

>>> torch._logging.set_logs(modules={"unregistered.module.name": logging.DEBUG})