Pytorch Profiler+ Tensorboard + VS Code

最新推荐文章于 2025-07-11 02:14:28 发布

77summer77

最新推荐文章于 2025-07-11 02:14:28 发布

阅读量2.8k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：工具文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/weixin_42930699/article/details/125366052

工具专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍了如何在PyTorch代码中集成PyTorchProfiler进行性能分析，并通过TensorBoard可视化结果，以及如何利用VSCode便捷地启动TensorBoard。教程包括设置步骤、使用示例和实用技巧，适合深度学习开发者提升代码效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch Profiler

其实用起来不是很麻烦，就是在原来的代码里插入一些即可，例如

with torch.profiler.profile(
    activities=[
        torch.profiler.ProfilerActivity.CPU,
        torch.profiler.ProfilerActivity.CUDA],
    schedule=torch.profiler.schedule(wait=1, warmup=1, active=3, repeat=2),
    on_trace_ready=torch.profiler.tensorboard_trace_handler('./visual/bs3000'),
    record_shapes=True,
    profile_memory=True,  # This will take 1 to 2 minutes. Setting it to False could greatly speedup.
    with_stack=True
) as prof:
    for step, batch_data in enumerate(train_loader):
        if step >= (1 + 1 + 3) * 2:
            break
        train(batch_data)
        prof.step()  # Need call this at the end of each step to notify profiler of steps' boundary.

这里使用的的on_trace使用的是tensorboard的trace_handle，一会儿生成的.json文件就可以使用tensorboard打开
非常好的英文blog，强烈推荐