函数：create_config

aclprofConfig *aclprofCreateConfig(uint32_t *deviceIdlist，uint32_t deviceNums, aclprofAicoreMetrics aicoreMetrics, aclprofAicoreEvents *aicoreEvents, uint64_t dataTypeConfig)

prof_config = acl.prof.create_config(device_list，aicore_metrics, aicore_events, data_type_config)

创建aclprofConfig类型的数据，表示创建Profiling配置数据。

aclProfConfig类型数据可以只创建一次、多处使用，用户需要保证数据的一致性和准确性。

如需销毁aclprofConfig类型的数据，请参见函数：destroy_config。

device_list：Device ID列表。须根据实际环境的Device ID配置。

aicore_metrics：表示aclprofAicoreMetrics。

aicore_events：表示AI Core事件，目前配置为0。

data_type_config：

用户选择如下多个值进行逻辑或（例如：ACL_PROF_ACL_API|ACL_PROF_AICORE_METRICS），作为data_type_config参数值。每个值表示某一类性能数据，详细说明如下：

• ACL_PROF_ACL_API：表示采集pyACL接口的性能数据，包括Host与Device之间的同步异步内存复制时延等。
• ACL_PROF_TASK_TIME：采集算子下发耗时、算子执行耗时数据以及算子基本信息数据，提供更全面的性能分析数据。
• ACL_PROF_TASK_TIME_L0：采集算子下发耗时、算子执行耗时数据。与ACL_PROF_TASK_TIME相比，由于不采集算子基本信息数据，采集时性能开销较小，可更精准统计相关耗时数据。
• ACL_PROF_AICORE_METRICS：表示采集AI Core性能指标数据，逻辑或时必须包括该宏，aicore_metrics入参处配置的性能指标采集项才有效。
• ACL_PROF_TASK_MEMORY：控制CANN算子的内存占用情况采集开关。仅采集GE组件算子。
• ACL_PROF_AICPU：表示采集AI CPU任务的开始、结束数据。
• ACL_PROF_L2CACHE：表示采集L2 Cache数据。
• ACL_PROF_HCCL_TRACE：控制hccl数据采集开关。
• ACL_PROF_MSPROFTX：获取用户和上层框架程序输出的性能数据。需要先在应用程序脚本中添加Profiling pyACL API for Extension（Profiling pyACL API扩展接口）。
• ACL_PROF_TRAINING_TRACE：控制迭代轨迹数据采集开关。
• ACL_PROF_RUNTIME_API：控制runtime api性能数据采集开关。

prof_config：int。

• 返回非0值表示成功，返回值为返回aclprofConfig类型的指针地址。
• 返回0表示失败。

• 使用acl.prof.destroy_config接口销毁aclprofConfig类型的数据，如不销毁会导致内存未被释放。

• 与acl.prof.destroy_config接口配对使用，先调用acl.prof.create_config接口再调用acl.prof.destroy_config接口。