端到端性能分析流程

性能调优的目的是使用性能分析工具分析AI任务运行时采集的性能数据，判断AI任务运行时的软硬件性能瓶颈，基本的分析思路如图1所示。

性能分析工具（Profiling）的具体使用指导请参见《CANN 性能分析工具指南》“PyTorch训练/在线推理场景性能分析”章节。

图1 性能分析流程

基础的性能分析主要围绕两部分展开：

• Timeline：基于TensorBoard可视化或者基于Chrome插件打开（在Chrome浏览器中输入chrome://tracing，然后将文件拖入空白处）。
• Summary：主要为*.csv文件，可以获取到详细的算子执行耗时信息。

以ChatGLM模型为例，先基于Profiling工具得到Timeline流水文件（msprof*.json）和对应算子耗时统计信息文件（op_statistic_*.csv/op_summary_*.csv）。性能分析基本流程如下：

1. 分析前后处理时间。

   大模型推理端到端的时间主要包括前后处理和模型推理时间。大模型的核心推理部分为Transformer结构，前后处理通常是一系列简单小算子的计算，如输入Mask生成，后处理Sample/Beam_Search等。通常前后处理小算子在torch/torch_npu上执行，对于小算子数目较多的情况下，会存在调度时间过长的问题，如图2 模型处理以及推理时间所示，需要将前后处理操作合并到加速库Model层来减少调用时间。

   图2 模型处理以及推理时间
   
2. 分析模型推理流水，主要围绕以下两点展开。
   • 确认整网是否存在算子调度瓶颈，常见问题有：Device侧算子空间过大/调度时间过长等，具体分析方法见调度性能分析及优化章节。
   • 确认多卡/多芯片之间调度流水同步，常见问题有：多线程间CPU耗时不一致，多芯片间算子/调度时间不一致等，具体分析方案见并行性能分析及优化章节。
3. 分析算子执行耗时。
   基于op_statistic文件判断瓶颈算子类别（如MatMul算子等），如图3 op_statistic所示。基于op_summary文件判断具体瓶颈算子详细信息，如图4 op_summary所示。例如MatMul算子在大模型场景下受限于带宽，则mte2_ratio需要大于90%，否则需要优化具体Shape的算子性能，具体可参考单算子性能分析及优化章节。

   op_statistic样例如下：

   图3 op_statistic
   

   op_summary样例如下：

   图4 op_summary
   

   Task Duration字段为算子耗时信息，可以按照Task Duration排序，找出高耗时算子，也可以按照Task Type排序，查看不同核（AI Core和AI CPU）上运行的高耗时算子。