Paddle/doc/fluid/howto/optimization/timeline_cn.md

如何使用timeline工具做性能分析

1. 在训练的主循环外加上profiler.start_profiler(...)和profiler.start_profiler(...)。运行之后，代码会在/tmp/profile目录下生成一个profile的记录文件。

   提示： 请不要在timeline记录信息时运行太多次迭代，因为timeline中的记录数量和迭代次数是成正比的。

   for pass_id in range(pass_num):
       for batch_id, data in enumerate(train_reader()):
           if pass_id == 0 and batch_id == 5:
               profiler.start_profiler("All")
           elif pass_id == 0 and batch_id == 10:
               profiler.stop_profiler("total", "/tmp/profile")
           exe.run(fluid.default_main_program(),
                   feed=feeder.feed(data),
                   fetch_list=[])
               ...
   

2. 运行python paddle/tools/timeline.py来处理/tmp/profile，这个程序默认会生成一个/tmp/timeline文件，你也可以用命令行参数来修改这个路径，请参考timeline.py。

python Paddle/tools/timeline.py --profile_path=/tmp/profile --timeline_path=timeline

1. 打开chrome浏览器，访问chrome://tracing/，用load按钮来加载生成的timeline文件。

   

2. 结果如下图所示，可以放到来查看timetime的细节信息。