该章节提供离线推理场景下Profiling pyACL API接口，用于应用工程调用、使能Profiling功能，四种方式说明如下：
- Profiling pyACL API（通过Profiling pyACL API采集并落盘性能数据）：将采集到的Profiling数据写入文件，再使用Profiling工具解析该文件，并展示性能分析数据。
acl.prof.init、acl.prof.finalize、acl.prof.start、 acl.prof.stop、acl.prof.create_config和acl.prof.destroy_config接口配合使用，实现该方式的性能数据采集。该方式可获取pyACL的接口性能数据、AI Core上算子的执行时间、AI Core性能指标数据等。
- Profiling pyACL API for Extension（Profiling pyACL API扩展接口）：当用户需要定位应用程序或上层框架程序的性能瓶颈时，可在Profiling采集进程内（acl.prof.start接口、acl.prof.stop接口之间）调用Profiling pyACL API扩展接口（统称为msproftx接口），开启记录应用程序执行期间特定事件发生的时间跨度，并将数据写入Profiling数据文件，再使用Profiling工具解析该文件，并导出展示性能分析数据。
在acl.prof.start和acl.prof.stop接口之间调用acl.prof.create_stamp、acl.prof.set_stamp_trace_message、acl.prof.mark、acl.prof.push、acl.prof.pop、acl.prof.range_start、acl.prof.range_stop、acl.prof.destroy_stamp接口，获取应用程序执行期间特定时间发生的事件并记录事件发生的时间跨度。
msproftx：msprof tool extension，MindStudio系统调优工具扩展。
- Profiling pyACL API for Subscription（订阅算子信息的Profiling pyACL API）：将采集到的Profiling数据解析后写入管道，由用户读入内存，再由用户调用pyACL的接口获取性能数据。
acl.prof.model_subscribe接口、acl.prof.get*接口、acl.prof.model_un_subscribe接口配合使用，实现该方式的性能数据采集，当前支持获取网络模型中算子的性能数据，包括算子名称、算子类型名称、算子执行时间等。
- Profiling pyACL API（PyTorch场景下标记迭代时间）：用于标记迭代开始与结束时间，为后续Profiling解析提供迭代标识，以便以迭代为粒度展示性能数据。
acl.prof.get_step_timestamp、acl.prof.Create_Step_Info、acl.prof.Destroy_Step_Info接口配合使用，实现该方式的性能数据采集。
- 使用Profiling pyACL API进行性能数据采集，须参见《应用软件开发指南（Python）》完成应用工程开发、编译和运行。
- Profiling pyACL API和Profiling AscendCL API for Extension不能与Profiling pyACL API for Subscription交叉调用。