性能调试（Ascend-PyNative）

概述

本教程介绍如何在Ascend AI处理器上使用MindSpore Profiler在PyNative模式下进行性能调试。PyNative模式目前支持算子性能分析、算子时间线、数据准备三部分功能。

操作流程

• 准备训练脚本，并在训练脚本中调用性能调试接口，接着运行训练脚本。

• 启动MindInsight，并通过启动参数指定summary-base-dir目录(summary-base-dir是Profiler所创建目录的父目录)，例如训练时Profiler创建的文件夹绝对路径为/home/user/code/data，则summary-base-dir设为/home/user/code。启动成功后，根据IP和端口访问可视化界面，默认访问地址为 http://127.0.0.1:8080。

• 在训练列表找到对应训练，点击性能分析，即可在页面中查看训练性能数据。

准备训练脚本

为了收集神经网络的性能数据，需要在训练脚本中添加MindSpore Profiler相关接口。

• 在训练开始前，需要初始化MindSpore Profiler对象。

  说明

  Profiler支持的参数可以参考： https://www.mindspore.cn/docs/zh-CN/r1.10/api_python/mindspore/mindspore.Profiler.html#mindspore.Profiler

• 在训练结束后，调用Profiler.analyse()停止性能数据收集并生成性能分析结果。

正常场景样例代码如下：

import numpy as np
import mindspore as ms
from mindspore import nn
import mindspore.dataset as ds

class Net(nn.Cell):
    def __init__(self):
        super(Net, self).__init__()
        self.fc = nn.Dense(2, 2)

    def construct(self, x):
        return self.fc(x)


def generator():
    for i in range(2):
        yield (np.ones([2, 2]).astype(np.float32), np.ones([2]).astype(np.int32))


def train(net):
    optimizer = nn.Momentum(net.trainable_params(), 1, 0.9)
    loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True)
    data = ds.GeneratorDataset(generator, ["data", "label"])
    model = ms.Model(net, loss, optimizer)
    model.train(1, data)


if __name__ == '__main__':
    ms.set_context(mode=ms.PYNATIVE_MODE, device_target="Ascend")

    # Init Profiler
    # Note that the Profiler should be initialized before model.train
    profiler = ms.Profiler(output_path = './profiler_data')

    # Train Model
    net = Net()
    train(net)

    # Profiler end
    profiler.analyse()

启动MindInsight

启动命令请参考`MindInsight相关命令 <https://www.mindspore.cn/mindinsight/docs/zh-CN/r1.10/mindinsight_commands.html>`_ 。

训练性能

用户从训练列表中选择指定的训练，点击性能调试，可以查看该次训练的性能数据。

图：性能数据总览

上图展示了性能数据总览页面，包含了算子性能、数据准备性能和Timeline等组件的数据总体呈现。各组件展示的数据如下：

• 算子性能：统计单算子以及各算子类型的执行时间，进行排序展示；总览页中展示了各算子类型时间占比的饼状图。

• 数据准备性能：统计训练数据准备各阶段的性能情况；总览页中展示了各阶段性能可能存在瓶颈的step数目。

• Timeline：按设备通过时间轴的方式展示每个算子的时序耗时情况；总览页展示了Timeline中的算子统计信息。

用户可以点击查看详情链接，进入某个组件页面进行详细分析。MindInsight也会对性能数据进行分析，在左侧的智能小助手中给出性能调试的建议。

算子性能分析

使用算子性能分析组件可以对MindSpore运行过程中的各个算子的执行时间进行统计展示(包括Ascend device算子、HOSTCPU算子)。

• ASCEND算子：在Ascend上执行的算子，PyNative模式下不区分AICORE和AICPU算子。

• HOSTCPU算子：Host侧CPU主要负责将图或者算子下发到昇腾芯片，根据实际需求也可以在Host侧CPU上开发算子。HOSTCPU算子特指运行在Host侧CPU上的算子。

图：算子类别统计分析

上图展示了按算子类别进行统计分析的结果，包含以下内容：

• 可以选择饼图/柱状图展示各算子类别的时间占比，每个算子类别的执行时间会统计属于该类别的算子执行时间总和。

• 统计前20个占比时间最长的算子类别，展示其时间所占的百分比以及具体的执行时间（毫秒）。

图：算子统计分析

上图展示了算子性能统计表，包含以下内容：

• 选择全部：按单个算子的统计结果进行排序展示，展示维度包括算子名称、算子类型、算子执行时间、子图、算子全scope名称；默认按算子执行时间排序。

• 选择分类：按算子类别的统计结果进行排序展示，展示维度包括算子分类名称、算子类别执行时间、执行频次、占总时间的比例等。点击每个算子类别，可以进一步查看该类别下所有单个算子的统计信息。

• 搜索：在右侧搜索框中输入字符串，支持对算子名称/类别进行模糊搜索。

数据准备性能分析

使用数据准备性能分析组件可以对训练数据准备过程进行性能分析。数据准备过程可以分为三个阶段：数据处理pipeline、数据发送至Device以及Device侧读取训练数据。数据准备性能分析组件会对每个阶段的处理性能进行详细分析，并将分析结果进行展示。

图：数据准备性能分析

上图展示了数据准备性能分析页面，包含迭代间隙、数据处理两个TAB页面。

迭代间隙TAB页主要用来分析数据准备三个阶段是否存在性能瓶颈，数据队列图是分析判断的重要依据：

• 数据队列Size代表Device侧从队列取数据时队列的长度，如果数据队列Size为0，则训练会一直等待，直到队列中有数据才会开始某个step的训练；如果数据队列Size大于0，则训练可以快速取到数据，数据准备不是该step的瓶颈所在。

• 主机队列Size可以推断出数据处理和发送速度，如果主机队列Size为0，表示数据处理速度慢而数据发送速度快，需要加快数据处理。

• 如果主机队列Size一直较大，而数据队列的Size持续很小，则数据发送有可能存在性能瓶颈。

说明

队列Size是取数据的时候记录的值，获取主机队列和数据队列数据是都异步执行，因此主机队列step数、数据队列step数、用户训练的step数都可能不一样。

图：数据处理pipeline分析

上图展示了数据处理TAB页面，可以对数据处理pipeline做进一步分析。不同的数据算子之间使用队列进行数据交换，队列的长度可以反映出算子处理数据的快慢，进而推断出pipeline中的瓶颈算子所在。

算子队列的平均使用率代表队列中已有数据Size除以队列最大数据Size的平均值，使用率越高说明队列中数据积累越多。算子队列关系展示了数据处理pipeline中的算子以及它们之间的连接情况，点击某个队列可以在下方查看该队列中数据Size随着时间的变化曲线，以及与数据队列连接的算子信息等。对数据处理pipeline的分析有如下建议：

• 当算子左边连接的Queue使用率都比较高，右边连接的Queue使用率比较低，该算子可能是性能瓶颈。

• 对于最左侧的算子，如果其右边所有Queue的使用率都比较低，该算子可能是性能瓶颈。

• 对于最右侧的算子，如果其左边所有Queue的使用率都比较高，该算子可能是性能瓶颈。

对于不同的类型的数据处理算子，有如下优化建议：

• 如果Dataset算子是性能瓶颈，建议增加num_parallel_workers。

• 如果GeneratorOp类型的算子是性能瓶颈，建议增加num_parallel_workers，并尝试将其替换为MindRecordDataset。

• 如果MapOp类型的算子是性能瓶颈，建议增加num_parallel_workers，如果该算子为Python算子，可以尝试优化脚本。

• 如果BatchOp类型的算子是性能瓶颈，建议调整prefetch_size的大小。

Timeline分析

Timeline组件可以展示：

• 算子分配到哪个设备（ASCEND、HOSTCPU）执行。

• MindSpore对该网络的线程切分策略。

• 算子在Device上的执行序列和执行时长。

• 训练的Step数（只支持数据下沉场景）。

• 算子的Scope Name信息，可以选择展示多少层Scope Name信息并下载对应的timeline文件。例如某算子的全名为：Default/network/lenet5/Conv2D-op11，则该算子的第一层Scope Name为Default、第二层为network。如果选择展示两层Scope Name信息，则会展示Default和network。

通过分析Timeline，用户可以定位到某个算子，查看分析他的执行时间。点击总览页面Timeline部分的下载按钮，可以将Timeline数据文件 (json格式) 保存至本地，再通过工具查看Timeline的详细信息。推荐使用 chrome://tracing 或者 Perfetto 做Timeline展示。

• Chrome tracing：点击左上角“load”加载文件。

• Perfetto：点击左侧“Open trace file”加载文件。

图：Timeline分析

Timeline主要包含如下几个部分：

• Device及其stream list：包含Device上的stream列表，每个stream由task执行序列组成，一个task是其中的一个小方块，大小代表执行时间长短。

  各个颜色块表示算子执行的起始时间及时长。timeline的详细解释如下：

  • Step：训练迭代数。

  • Ascend Op：在Ascend上执行的算子的时间线。

  • HOSTCPU Op：在HostCPU上执行的算子的时间线。

• 算子信息：选中某个task后，可以显示该task对应算子的信息，包括名称、type等。

可以使用W/A/S/D来放大、缩小地查看Timeline图信息。

规格

• 为了控制性能测试时生成数据的大小，大型网络建议性能调试的step数目限制在10以内。

  说明

  控制step数目可以通过控制训练数据集的大小来实现，如mindspore.dataset.MindDataset类中的num_samples参数可以控制数据集大小，详情参考： mindspore.dataset.MindDataset 。

• Timeline数据的解析比较耗时，且一般几个step的数据即足够分析出结果。出于数据解析和UI展示性能的考虑，Profiler最多展示20M数据（对大型网络20M可以显示10+条step的信息）。

注意事项

• 训练加推理过程暂不支持性能调试，目前支持单独训练或推理的性能调试。

• Ascend性能调试暂不支持动态shape场景、多子图场景和控制流场景。