Atlas 200/500 A2推理产品的Ascend RC场景不支持在设备上直接解析，需要将采集到的PROF_XXX目录拷贝到安装了Ascend-cann-toolkit开发套件包的环境下进行解析并导出。

前提条件

请确保完成使用前准备。
完成性能数据采集。（CANN 6.3.RC2和CANN 6.2.RC2及以后版本，对采集到的原始性能数据结构进行了优化，因此解析和导出功能仅支持对CANN 6.3.RC2和CANN 6.2.RC2及以后版本采集到的原始性能数据进行解析和导出。）

操作步骤

执行导出命令。

命令示例如下：

msprof --export=on --output=<dir> [--iteration-id=<number>] [--model-id=<number>] [--summary-format=<csv/json>] [--clear=on]

表1 参数说明
参数	说明	可选/必选
--export	解析并导出性能数据。可选on或off，默认值为off。若需导出个别迭代（Iteration ID）/模型（Model ID）的数据，可在msprof采集命令执行完成后重新执行msprof --export命令配置--model-id、--iteration-id参数。对于未解析的PROF_XXX文件，自动解析后再导出。示例：./msprof --export=on --output=/home/HwHiAiUser	必选
--output	性能数据文件目录。须指定为PROF_XXX目录，例如：/home/HwHiAiUser/profiler_data/PROF_XXX。	必选
--type	设置性能数据解析结果文件格式，即可以选择msprof命令行执行采集后自动解析的结果文件格式，取值为： text：表示解析为timeline和summary格式文件。详见性能数据文件参考。 db：表示解析为一个汇总所有性能数据的.db格式文件（report_时间戳.db）。使用Ascend Insight工具展示。Atlas 200/300/500 推理产品不支持系统数据解析。默认为text。	可选
--iteration-id	迭代ID。需配置为正整数。与--model-id必须同时配置。 --model-id=4294967295时，指定以Step为粒度统计的迭代ID（每执行完成一个Step，Iteration ID加1）。仅Atlas A2训练系列产品支持。仅支持解析MindSpore框架的性能数据。 --model-id配置为其他值时，指定以Graph为粒度统计的迭代ID（每个Graph执行一次，Iteration ID加1，当一个脚本被编译为多个Graph时，该ID与脚本层面的Step ID不一致）。	可选
--model-id	模型ID。需配置为正整数。与--iteration-id必须同时配置。 --model-id=4294967295时，为Step模式，即--iteration-id配置的值以Step为粒度解析。仅Atlas A2训练系列产品支持。仅支持解析MindSpore框架的性能数据。 --model-id配置为其他值时，为Graph模式，即--iteration-id配置的值以Graph为粒度解析。	可选
--summary-format	summary数据文件的导出格式，取值为： json：解析出的summary数据文件为json格式。 csv：解析出的summary数据文件为csv，默认值。	可选
--python-path	指定解析使用的Python解释器路径，要求Python3.7.5及以上版本。	可选
--clear	数据精简模式，开启后将在导出性能数据后删除PROF_XXX目录下的sqlite目录，以节省存储空间。可选on或off，默认值为off。	可选
注1：Atlas 200/300/500 推理产品默认情况下，即未配置--iteration-id和--model-id时，导出迭代数最多的模型ID（Model ID）的性能数据；其他芯片默认情况下，导出所有性能数据。注2：单算子场景和仅执行采集昇腾AI处理器系统数据场景，不支持--iteration-id和--model-id参数。

执行完上述命令后，会在collection-dir目录下的PROF_XXX目录下生成mindstudio_profiler_output目录。

生成的性能数据目录结构如下所示。

单采集进程

└── PROF_XXX
      ├── device_0
      │    └── data
      ├── device_1
      │    └── data
      ├── host
      │    └── data
      └── mindstudio_profiler_output
            ├── msprof_{timestamp}.json
            ├── step_trace_{timestamp}.json
            ├── xx_*.csv
             ...
            └── README.txt

多采集进程

└── PROF_XXX1
      ├── device_0
      │    └── data
      ├── host
      │    └── data
      └── mindstudio_profiler_output
            ├── msprof_{timestamp}.json
            ├── step_trace_{timestamp}.json
            ├── xx_*.csv
             ...
            └── README.txt
└── PROF_XXX2
      ├── device_1
      │    └── data
      ├── host
      │    └── data
      └── mindstudio_profiler_output
            ├── msprof_{timestamp}.json
            ├── step_trace_{timestamp}.json
            ├── xx_*.csv
             ...
            └── README.txt

多Device场景下，若启动单采集进程，则仅生成一个PROF_XXX目录，若启动多采集进程则生成多个PROF_XXX目录，其中Device目录在PROF_XXX目录下生成，每个PROF_XXX目录下生成多少个Device目录与用户实际操作有关，不影响性能数据分析。
性能数据详细介绍请参见性能数据文件参考。
mindstudio_profiler_output目录中的文件是根据采集的实际性能数据进行生成，如果实际的性能数据没有相关的数据文件，就不会导出对应的timeline和summary数据。

导出性能数据

前提条件

操作步骤