Spec-Zone.ru › TensorFlow 2.3

tf.profiler.experimental.Trace

Контекстный менеджер, который генерирует событие отслеживания в профилировщике.

tf.profiler.experimental.Trace(
    name, **kwargs
)

Событие отслеживания начнётся при входе в контекст и остановится, сохранив результат в профилировщике, при выходе из контекста. Откройте вкладку Профилирование TensorBoard и выберите просмотрщик событий отслеживания, чтобы просмотреть событие отслеживания во временной шкале.

События отслеживания создаются только при включенном профилировщике. Дополнительную информацию о том, как использовать профилировщик, можно найти на странице https://tensorflow.org/guide/profiler

Пример использования:

tf.profiler.experimental.start('logdir')
for step in range(num_steps):
  # Creates a trace event for each training step with the step number.
  with tf.profiler.experimental.Trace("Train", step_num=step):
    train_fn()
tf.profiler.experimental.stop()
Аргументы
name Название события отслеживания.
**kwargs Дополнительные аргументы, добавленные к событию отслеживания. И ключ, и значение имеют типы, которые можно преобразовать в строки, которые будут интерпретироваться профилировщиком в соответствии с именем события отслеживания.

Пример использования:

tf.profiler.experimental.start('logdir')
for step in range(num_steps):
# Creates a trace event for each training step with the
# step number.
with tf.profiler.experimental.Trace("Train", step_num=step):
train_fn()
tf.profiler.experimental.stop()

В примере выше аргумент «step_num» используется для указания этапа обучения, который отслеживается.

Методы

set_metadata

Посмотреть исходный код

set_metadata(
    **kwargs
)

Устанавливает метаданные в данном событии отслеживания.

Аргументы
**kwargs Метаданные в парах ключ-значение.

Этот метод позволяет устанавливать метаданные в событии отслеживания после его создания.

Пример использования:

def call(function):
  with tf.profiler.experimental.Trace("call",
       function_name=function.name) as tm:
    binary, in_cache = jit_compile(function)
    tm.set_metadata(in_cache=in_cache)
    execute(binary)

В этом примере мы хотим отследить, сколько времени уходит на вызов функции, включая компиляцию и выполнение. Компиляция может заключаться как в получении кэшированной копии двоичного файла, так и в фактическом генерации двоичного файла, что указывается булевым значением «in_cache», возвращаемым jit_compile(). Нам необходимо использовать set_metadata() для передачи in_cache, так как значение in_cache нам было неизвестно при создании отслеживания (и мы не можем создать отслеживание после jit_compile(), так как хотим измерить весь период выполнения вызова).

__enter__

Посмотреть исходный код

__enter__()

__exit__

Посмотреть исходный код

__exit__(
    exc_type, exc_val, exc_tb
)

© 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/r2.3/api_docs/python/tf/profiler/experimental/Trace

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API