Ascend PyTorch Profiler接口采集

前提条件

• 请确保完成使用前准备。
• 准备好基于PyTorch 1.11.0或更高版本开发的训练模型以及配套的数据集，并按照《Ascend Extension for PyTorch 训练模型迁移调优指南》中的“迁移适配”完成PyTorch原始模型向昇腾AI处理器的迁移。

采集并解析性能数据

1. 使用Ascend PyTorch Profiler接口开启PyTorch训练时的性能数据采集。

   在训练脚本（如train_*.py文件）内添加如下示例代码进行性能数据采集参数配置，之后启动训练。下列示例代码中，加粗字段为需要配置的参数、方法、类和函数。

   • 示例一（使用torch_npu.profiler.profile类采集性能数据）：

     import torch
     import torch_npu
     
     ...
     
     experimental_config = torch_npu.profiler._ExperimentalConfig(
            aic_metrics=torch_npu.profiler.AiCMetrics.PipeUtilization,
            profiler_level=torch_npu.profiler.ProfilerLevel.Level1,
            l2_cache=False,
            data_simplification=False
            )
     with torch_npu.profiler.profile(
             activities=[
                     torch_npu.profiler.ProfilerActivity.CPU,
                     torch_npu.profiler.ProfilerActivity.NPU
                     ],
             schedule=torch_npu.profiler.schedule(wait=1, warmup=1, active=2, repeat=2, skip_first=10),
             on_trace_ready=torch_npu.profiler.tensorboard_trace_handler("./result"),
             record_shapes=False,
             profile_memory=False,
             with_stack=False,
             with_flops=False,
             experimental_config=experimental_config) as prof:
                     for step in range(steps):
                            train_one_step(step, steps, train_loader, model, optimizer, criterion)
                            prof.step()

     或

     import torch
     import torch_npu
     ...
     experimental_config = torch_npu.profiler._ExperimentalConfig(
             aic_metrics=torch_npu.profiler.AiCMetrics.ArithmeticUtilization,
             profiler_level=torch_npu.profiler.ProfilerLevel.Level1
              )
     prof = torch_npu.profiler.profile(
             activities=[
                     torch_npu.profiler.ProfilerActivity.CPU,
                     torch_npu.profiler.ProfilerActivity.NPU
                     ],
             schedule=torch_npu.profiler.schedule(wait=0, warmup=0, active=1, repeat=1, skip_first=1),
             on_trace_ready=torch_npu.profiler.tensorboard_trace_handler("./result"),
              experimental_config=experimental_config)
     prof.start()
     for step in range(steps):
              train_one_step()
              prof.step()
     prof.stop()

     除了使用tensorboard_trace_handler导出性能数据外，还可以使用以下方式导出：

     import torch
     import torch_npu
     
     ...
     
     with torch_npu.profiler.profile() as prof:
             for step in range(steps):
                     train_one_step(step, steps, train_loader, model, optimizer, criterion)
     prof.export_chrome_trace('./chrome_trace_14.json')

   • 示例二（使用torch_npu.profiler._KinetoProfile类采集性能数据）：

     import torch
     import torch_npu
     
     ...
     
     prof = torch_npu.profiler._KinetoProfile(activities, record_shape, profile_memory, with_stack, experimental_config)
     for epoch in range(epochs):
             trian_model_step()
             if epoch == 0:
                     prof.start()
             if epoch == 1:
                     prof.stop()
     prof.export_chrome_trace("result_dir/trace.json")

     该方式不支持使用schedule和tensorboard_trace_handler导出性能数据。

   表1 torch_npu.profiler.profile和torch_npu.profiler._KinetoProfile配置参数说明

   参数名称	参数含义	是否必选
   activities	CPU、NPU事件采集列表，Enum类型。取值为： torch_npu.profiler.ProfilerActivity.CPU：框架侧数据采集的开关。 torch_npu.profiler.ProfilerActivity.NPU：CANN软件栈及NPU数据采集的开关。 默认情况下两个开关同时开启。	否
   schedule	设置不同step的行为，Callable类型，由schedule类控制。 torch_npu.profiler._KinetoProfile不支持该参数。	否
   on_trace_ready	采集结束时自动执行操作，Callable类型。当前仅支持执行tensorboard_trace_handler函数的操作，默认不执行任何操作。当采集的数据量过大时，在当前环境下不适合直接解析性能数据，或者采集过程中中断了训练进程，只采集了部分性能数据，可以采用离线解析。 torch_npu.profiler._KinetoProfile不支持该参数。	否
   record_shapes	算子的InputShapes和InputTypes，Bool类型。取值为： True：开启。 False：关闭。默认值。 开启torch_npu.profiler.ProfilerActivity.CPU时生效。	否
   profile_memory	算子的内存占用情况，Bool类型。取值为： True：开启。 False：关闭。默认值。	否
   with_stack	算子调用栈，Bool类型。包括框架层及CPU算子层的调用信息。取值为： True：开启。 False：关闭。默认值。 开启torch_npu.profiler.ProfilerActivity.CPU时生效。	否
   with_flops	算子浮点操作，Bool类型（该参数暂不支持解析性能数据）。取值为： True：开启。 False：关闭。默认值。 开启torch_npu.profiler.ProfilerActivity.CPU时生效。	否
   experimental_config	扩展参数，通过扩展配置性能分析工具常用的采集项。支持采集项和详细介绍请参见experimental_config扩展参数。	否
   use_cuda	昇腾环境不支持。开启采集cuda性能数据开关。取值为： True：开启。 False：关闭。默认值。 torch_npu.profiler._KinetoProfile不支持该参数。	否

   表2 torch_npu.profiler.profile和torch_npu.profiler._KinetoProfile方法说明

   方法名	含义
   step	划分不同迭代。 torch_npu.profiler._KinetoProfile不支持该方法。
   export_chrome_trace	导出trace。在指定的.json文件里写入trace数据。Trace为Ascend PyTorch Profiler接口整合框架侧CANN软件栈及NPU数据后展示的各算子和接口的运行时间及关联关系。包含参数： path：trace文件（.json）路径。指定文件所在的路径格式仅支持由字母、数字和下划线组成的字符串，不支持软链接。 在设置了torch_npu.profiler.tensorboard_trace_handler的情况下，export_chrome_trace不生效。 多卡场景下需要将不同卡设置不同的文件名，示例代码： pid = os.getpid() prof.export_chrome_trace(f'./chrome_trace_{pid}.json')
   export_stacks	导出堆栈信息到文件。包含参数： path：堆栈文件保存路径，需要配置文件名为“*.log”，可以指定路径，例如：/home/*.log，直接配置文件名时，文件保存在当前目录。路径格式仅支持由字母、数字和下划线组成的字符串，不支持软链接。 metric：保存的芯片类型可选择CPU或NPU，配置为“self_cpu_time_total”或“self_npu_time_total”。 与export_chrome_trace方法在训练脚本中的位置相同，示例如下： export_stacks("resule_dir/stack.log", metric='self_npu_time_total') 导出的结果文件可使用FlameGraph工具进行查看，操作方法如下： git clone https://github.com/brendangregg/FlameGraph cd FlameGraph ./flamegraph.pl –title “NPU time” –countname “us.” profiler.stacks > perf_viz.svg
   start	设置采集开始的位置。可参考如下样例，在需要采集性能数据的训练代码前后添加start和stop： prof = torch_npu.profiler.profile( on_trace_ready=torch_npu.profiler.tensorboard_trace_handler("./result")) for step in range(steps): if step == 5: prof.start() train_one_step() if step == 5: prof.stop()
   stop	设置采集结束的位置，需要先执行start。

   表3 torch_npu.profiler类、函数说明

   类、函数名	含义
   torch_npu.profiler.schedule	设置不同step的行为。取值为： skip_first：采集前先跳过的step轮数。默认为值0。动态Shape场景建议跳过前10轮保证性能数据稳定；对于其他场景，可以根据实际情况自行配置。可选。 wait：每次重复执行采集跳过的step轮数。必选。 warmup：预热的step轮数，int类型，默认值为0。建议设置1轮预热。可选。 active：采集的step轮数。必选。 repeat：重复执行wait+warmup+active的次数。默认为值0，表示重复执行repeat不停止，建议配置为大于0的整数。可选。 建议根据此公式配置schedule：step总数 >= skip_first+(wait+warmup+active)*repeat 默认不执行该操作。
   torch_npu.profiler.tensorboard_trace_handler	将采集到的性能数据导出为TensorBoard工具支持的格式。取值为： dir_name：采集的性能数据的输出目录。路径格式仅支持由字母、数字和下划线组成的字符串，不支持软链接。可选。若配置tensorboard_trace_handler函数后未指定具体路径，性能数据默认落盘在当前目录。 若代码中未使用on_trace_ready=torch_npu.profiler.tensorboard_trace_handler，那么落盘的性能数据为原始数据，需要使用离线解析。 该函数优先级高于ASCEND_WORK_PATH，具体请参考《环境变量参考》。 worker_name：用于区分唯一的工作线程，默认为{hostname}_{pid}。路径格式仅支持由字母、数字和下划线组成的字符串，不支持软链接。可选。 use_gzip：文件压缩。暂不支持。 torch_npu.profiler._KinetoProfile不支持该函数。
   torch_npu.profiler.ProfilerAction	Profiler状态，Enum类型。取值为： NONE：无任何行为。 WARMUP：性能数据采集预热。 RECORD：性能数据采集。 RECORD_AND_SAVE：性能数据采集并保存。
   torch_npu.profiler.supported_activities	查询当前支持采集的activities参数的CPU、NPU事件。
   torch_npu.profiler.supported_profiler_level	查询当前支持的experimental_config扩展参数的profiler_level级别。
   torch_npu.profiler.supported_ai_core_metrics	查询当前支持的experimental_config扩展参数的AI Core性能指标采集项。
   torch_npu.profiler.supported_export_type	查询当前支持的torch_npu.profiler.ExportType的性能数据结果文件类型。

   

   性能数据会占据一定的磁盘空间，可能存在磁盘写满导致服务器不可用的风险。性能数据所需空间跟模型的参数、采集开关配置、采集的迭代数量有较大关系，须用户自行保证落盘目录下的可用磁盘空间。

2. （可选）以自定义字符串键和字符串值的的形式标记性能数据采集过程。
   • 示例一

     with torch_npu.profiler.profile(…)  as prof:
         prof.add_metadata(key, value)

   • 示例二

     with torch_npu.profiler._KinetoProfile(…)  as prof:
         prof.add_metadata_json(key, value)

   add_metadata和add_metadata_json可以分别配置在torch_npu.profiler.profile和torch_npu.profiler._KinetoProfile下，须添加在profiler初始化后，finalize之前，即性能数据采集过程的代码中。

   表4 add_metadata接口说明

   类、函数名	含义
   add_metadata	添加字符串标记，可取值： key：字符串键。 value：字符串值。 示例： prof.add_metadata("test_key1", "test_value1")
   add_metadata_json	添加json格式字符串标记，可取值： key：字符串键。 value：字符串值，json格式。 示例： prof.add_metadata("test_key2", [1, 2, 3])

   调用此接口传入的metadata数据写入到Ascend PyTorch Profiler接口的采集结果根目录下的profiler_metadata.json文件中。

3. 查看采集到的PyTorch训练性能数据结果文件。

   训练结束后，在torch_npu.profiler.tensorboard_trace_handler接口指定的目录下生成Ascend PyTorch Profiler接口的采集结果目录。

   └── localhost.localdomain_139247_20230628101435_ascend_pt    // 解析结果目录，命名格式：{worker_name}_{时间戳}_ascend_pt，默认情况下{worker_name}为{hostname}_{pid}
       ├── profiler_info.json              // 多卡或集群场景命名规则为profiler_info_{Rank_ID}.json，用于记录Profiler相关的元数据
       ├── ASCEND_PROFILER_OUTPUT          // Ascend PyTorch Profiler接口采集性能数据
       │   ├── ascend_pytorch_profiler_{rank_id}.db          // export_type=torch_npu.profiler.ExportType.Db时该目录下仅生成.db文件，其他.json和.csv文件不生成，使用Ascend Insight工具展示
       │   ├── analysis.db                // 多卡或集群等存在通信的场景下，设置export_type=torch_npu.profiler.ExportType.Db时该目录下仅生成.db文件，其他.json和.csv文件不生成，使用Ascend Insight工具展示
       │   ├── communication.json         // 为多卡或集群等存在通信的场景性能分析提供可视化数据基础，配置experimental_config的profiler_level=torch_npu.profiler.ProfilerLevel.Level1或profiler_level=torch_npu.profiler.ProfilerLevel.Level2生成
       │   ├── communication_matrix.json   // 通信小算子基本信息文件，配置experimental_config的profiler_level=torch_npu.profiler.ProfilerLevel.Level1或profiler_level=torch_npu.profiler.ProfilerLevel.Level2生成
       │   ├── data_preprocess.csv        // 配置experimental_config profiler_level=torch_npu.profiler.ProfilerLevel.Level2生成
       │   ├── kernel_details.csv
       │   ├── l2_cache.csv               // 配置experimental_config的l2_cache=True生成
       │   ├── memory_record.csv
       │   ├── npu_module_mem.csv
       │   ├── operator_details.csv
       │   ├── operator_memory.csv
       │   ├── step_trace_time.csv        // 迭代中计算和通信的时间统计
       │   ├── op_statistic.csv        // AI Core和AI CPU算子调用次数及耗时数据
       │   └── trace_view.json
       ├── FRAMEWORK                      // 框架侧的性能原始数据，无需关注，data_simplification=True时删除此目录
       │   ├── torch.memory_usage
       │   ├── torch.op_mark
       │   ├── torch.op_range
       │   ├── torch.python_func_call     // with_stack=True时生成
       │   └── torch.python_module_call   // with_stack=True时生成
       └── PROF_000001_20230628101435646_FKFLNPEPPRRCFCBA  // CANN层的性能数据，命名格式：PROF_{数字}_{时间戳}_{字符串}，data_simplification=True时，仅保留此目录下的原始性能数据，删除其他数据
             ├── analyze      // 配置experimental_config的profiler_level=torch_npu.profiler.ProfilerLevel.Level1或profiler_level=torch_npu.profiler.ProfilerLevel.Level2生成
             ├── device_*
             ├── host
             ├── mindstudio_profiler_log
             └── mindstudio_profiler_output
   ├── localhost.localdomain_139247_20230628101435_ascend_pt_op_args // 算子信息统计文件目录，配置experimental_config的record_op_args=True生成
       ├── 进程ID
       │    ├── operator_name+data_type+timestamp.json // 算子信息统计文件

   

   以上数据文件用户无需打开查看，可使用Ascend Insight工具进行性能数据的查看和分析，如需了解详细字段解释请参见Ascend PyTorch Profiler接口采集数据。

experimental_config扩展参数

experimental_config扩展参数均为可选参数，支持扩展的采集项如下：

离线解析

当使用Ascend PyTorch Profiler接口采集的性能数据较大时，若在当前环境直接使用on_trace_ready接口进行自动解析，则可能导致资源占用过大出现卡顿，那么可以取消on_trace_ready接口，并通过环境变量ASCEND_WORK_PATH设置落盘目录（例如：export ASCEND_WORK_PATH=xx/xx），在采集完成性能数据后，使用如下方式进行离线解析：

1. 创建{file_name}.py文件，{file_name}自定义，并编辑如下代码：

   from torch_npu.profiler.profiler import analyse
   
   if __name__ == "__main__":
       analyse(profiler_path="./result_data", max_process_number=max_process_number)

   表6 参数说明

   参数	描述	可选/必选
   profiler_path	PyTorch性能数据路径。指定的目录下保存PyTorch性能数据目录{worker_name}_{时间戳}_ascend_pt。	必选
   max_process_number	离线解析最大进程数。取值范围为1~CPU核数，默认为CPU核数的一半。若设置超过该环境的CPU核数，则自动取CPU核数；若设置为非法值，则取默认值CPU核数的一半。	可选

   

   离线解析接口支持多性能数据目录并行解析，当性能数据量较大且数据目录较多的情况下，可能因环境内存不足导致解析失败，此时可以通过自定义最大进程数（max_process_number）来控制资源的占用。

2. 保存文件后执行如下命令解析性能数据：

   python3 {file_name}.py

3. 解析完成后请参见《MindStudio Ascend Insight用户指南》进行数据分析。