Spec-Zone.ru › TensorFlow 2.9

tf.profiler.experimental.Trace

Менеджер контекста, который генерирует событие отслеживания в профилировщике.

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

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

События отслеживания создаются только при включённом профилировщике. Дополнительную 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, _r=1):
    train_fn()
tf.profiler.experimental.stop()
Аргументы
name Название события отслеживания.
**kwargs Дополнительные аргументы, добавляемые к событию отслеживания. И ключ, и значение являются типами, которые могут быть преобразованы в строки, которые будут интерпретированы профилировщиком в соответствии с именем traceme.

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 приведённом примере используется ключевой аргумент «step_num» для указания шага обучения, который отслеживается.

Методы

set_metadata

Просмотреть исходный код

set_metadata(
    **kwargs
)

Устанавливает метаданные в этом событии отслеживания.

Аргументы
**kwargs Метаданные в парах ключ-значение.

Этот метод позволяет установить 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 потрачено на вызов функции, что включает компиляцию и выполнение. Компиляция может быть получением кэшированной копии двоичного файла или фактическим созданием двоичного файла, что указывается булевым значением «in_cache», возвращаемым jit_compile(). Нам нужно использовать set_metadata(), чтобы передать in_cache, потому что мы не знали значение in_cache при создании отслеживания (и мы не можем создать отслеживание после jit_compile(), потому что мы хотим измерить всё время выполнения вызова).

__enter__

Просмотреть исходный код

__enter__()

__exit__

Просмотреть исходный код

__exit__(
    exc_type, exc_val, exc_tb
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/profiler/experimental/Trace

Spec-Zone.ru

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