tf.profiler.experimental.client.trace

Отправляет запросы gRPC на сервер профилировщика для выполнения профилирования по запросу.

tf.profiler.experimental.client.trace(
    service_addr, logdir, duration_ms, worker_list='', num_tracing_attempts=3,
    options=None
)

Этот метод заблокирует вызывающую нить до получения результата трассировки. Этот метод поддерживает CPU, GPU и Cloud TPU. Этот метод поддерживает профилирование одного узла для CPU, GPU, TPU, а также нескольких TPU-рабочих узлов. Результаты профилирования будут сохранены в указанном вами каталоге журналов TensorBoard (например, в каталоге, где вы сохраняете контрольные точки вашей модели). Используйте плагин профилирования TensorBoard для просмотра результатов визуализации и анализа.

Пример использования (CPU/GPU):

Запустите сервер профилировщика перед запуском модели.

tf.profiler.experimental.server.start(6009)
# your model code.
# Send gRPC request to the profiler server to collect a trace of your model.
```python
tf.profiler.experimental.client.trace('grpc://localhost:6009',
                                      '/tmp/tb_log', 2000)

Example usage (TPU):
# Send gRPC request to a TPU worker to collect a trace of your model. A
# profiler service has been started in the TPU worker at port 8466.
```python
# E.g. your TPU IP address is 10.0.0.2 and you want to profile for 2 seconds.
tf.profiler.experimental.client.trace('grpc://10.0.0.2:8466',
                                      'gs://your_tb_dir', 2000)

Example usage (Multiple TPUs):
# Send gRPC request to a TPU pod to collect a trace of your model on multiple
# TPUs. A profiler service has been started in all the TPU workers at the
# port 8466.
```python
# E.g. your TPU IP addresses are 10.0.0.2, 10.0.0.3, 10.0.0.4, and you want to
# profile for 2 seconds.
tf.profiler.experimental.client.trace('grpc://10.0.0.2:8466',
                                      'gs://your_tb_dir',
                                      2000, '10.0.0.3,10.0.0.4')

Launch TensorBoard and point it to the same logdir you provided to this API.
$ tensorboard --logdir=/tmp/tb_log (or gs://your_tb_dir in the above examples)
Open your browser and go to localhost:6006/#profile to view profiling results.