tf.profiler.profile
Профилирование модели.
tf.profiler.profile(
graph=None, run_meta=None, op_log=None, cmd='scope',
options=_DEFAULT_PROFILE_OPTIONS
)
Учебники и примеры можно найти в: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/core/profiler/README.md
| Аргументы | |
|---|---|
graph | tf.Graph. Если None и ускореное выполнение не включено, используется график по умолчанию. |
run_meta | необязательный протокол tensorflow.RunMetadata. Он необходим для профилирования информации о выполнении во время работы, такой как время и память. |
op_log | протокол tensorflow.tfprof.OpLogProto. Пользователь может назначать «типы» узлам графа с помощью op_log. «Типы» позволяют пользователю гибко группировать и учитывать профили с помощью options['accounted_type_regexes']. |
cmd | строка. Может быть 'op', 'scope', 'graph' или 'code'. 'op' отображает организацию профиля по типу операции. (например, MatMul) 'scope' отображает организацию профиля по области имен узла графа. 'graph' отображает организацию профиля по входным/выходным данным узла графа. 'code' отображает организацию профиля по стеку вызовов Python. |
options | Словарь опций. См. core/profiler/g3doc/options.md. |
| Возвращает | |
|---|---|
| Если cmd равен 'scope' или 'graph', возвращается протокол GraphNodeProto. Если cmd равен 'op' или 'code', возвращается протокол MultiGraphNodeProto. Побочный эффект: stdout/файл/timeline.json в зависимости от options['output'] |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/profiler/profile
