Spec-Zone.ru › TensorFlow 2.4

tf.profiler.experimental.Trace

Менеджер контекста, который генерирует событие трассировки в профилировщике.

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

Событие трассировки начнется при входе в контекст и остановится и сохранит результат в профилировщик при выходе из контекста. Откройте вкладку «Профиль» в TensorBoard и выберите просмотрщик трассировок, чтобы просмотреть событие трассировки во временной шкале.

События трассировки создаются только при включенном профилировщике. Более подробную информацию о том, как использовать профилировщик, можно найти по адресу 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 трассировки.
**kwargs Дополнительные ключевые аргументы, добавленные к событию трассировки. И ключ, и значение имеют типы, которые могут быть преобразованы в строки, которые будут интерпретированы профилировщиком в соответствии с именем трассировки.

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

Методы

set_metadata

Просмотреть исходный код

set_metadata(
    **kwargs
)

Устанавливает метаданные в этом событии трассировки.

Аргументы
**kwargs Метаданные в парах ключ-значение.

Этот метод позволяет устанавливать метаданные в событии трассировки 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 затрачивается на вызов функции, включая компиляцию и выполнение. Компиляция может состоять либо в получении кэшированной копии двоичного файла, либо в фактическом создании двоичного файла, что указывается булевым значением «in_cache», возвращаемым jit_compile(). Нам нужно использовать set_metadata(), чтобы передать in_cache, поскольку мы не знали значение in_cache при создании трассировки (и мы не можем создать трассировку после jit_compile(), потому что мы хотим измерить всю продолжительность вызова).

__enter__

Просмотреть исходный код

__enter__()

__exit__

Просмотреть 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/r2.4/api_docs/python/tf/profiler/experimental/Trace

Spec-Zone.ru

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