【MindStudio训练营第一季】MindStudio Profiling随笔

MindStudio Profiler简介

Ascend AI处理器是一款面向AI业务应用的高性能集成芯片，包含AI CPU、A Core、AI Vector Core等计算单元来提升AI任务的运算性能。基于Ascend AI处理器，Mindstudio在算子开发、模型训练及推理应用等不同环节，提供了端到端的Profiler工具。该工具可以帮助用户看到模型从应用层到芯片层的接口和算子耗时，从而准确定位系统的软、硬件性能瓶颈，提高性能分析的效率。

调优主要分为三步：

• 性能数据采集、解析、分析

• 性能问题定位，发现性能瓶颈点

• 采取性能优化措施

性能分析简要介绍

通过命令行采集性能数据

数据采集方式

.msprof.bin

数据采集方式——离线推理

1. acl.json配置文件方式

• 打开工程文件，查看调用的aclInit0函数，获取acl.json文件路径

• 修改acl.json文件，添加Profiling相关配置

2. AI任务相关性能数据采集方式 - API接口

API接口类型

• aclprofinit: 设置落盘路径

• aclprofCreateConfig: 设置采集参数

• aclprofStart: 开始采集

• aclmdlExecute: 执行模型

• aclprofStop: 结束采集

• aclprofDestroyConfig: 释放配置资源

• aclprofFinalize:释放profiling组件资源

API接口规范

• ACL API(C接口)

• pyACL API (Python接口)

3. 数据采集方式——在线推理与训练

MindSpore

TensorFlow

环境变量配置：

export PROFILING MODE=true
export PROFILING OPTIONS='"output":"/tmp","training trace":"on""task trace":"on","aicpu":"on,"aic metrics:"PipeUtilization")

训练脚本配置
Estimator模式下，通过NPURunConfig中的profiling_config开启Profiling数据采集。

sess.run模式下，通过session配置项profiling_mode.profiling_options开启Profiling数据采集。

Pytorch 框架侧数据的采集方法

with torch.autograd.profiler.profile(use_npu= True) as prof:
      for epoch in range(10):
        y_pred = model(x data)
        loss = loss_func(y_pred, y_data)
        loss.backward()
profexport_chrome_trace( 'profiler.json')

Pytorch CANN侧数据的采集方法

config=torch_npu.npu.profileConfig(
    ACL_PROF_ACL_API=True,
    ACL_PROF_TASK_TIME=False,
    ACL_PROF_AICPU=False,
    AC_PROF_AICORE_METRICS=False,
    aiCoreMetricsType=0)

with torch.npu.profile (profiler_result_path, config=config) as prof:
    for epoch in range(10):
      y_pred = model(x data)
      loss = loss_func(y_pred, y_data)
      loss.backward()

同时采集PyTorch框架侧和CANN数据

msprof.bin

with torch.npu.profile (profiler result path, use e2e profiler=True) as prof:
    for epoch in range(10):
      y_pred = model(x data)
      loss = loss func(y_pred, y_data)
      loss.backward()

对比不同迭代的耗时

with torch.npu.profile (profiler_result_path) as prof:
    for epoch in range(10):
       torch_npu.npu.iteration_start()
       Y_pred = model(x data)
       loss = loss_func (y_pred, y_data)
       loss.backward()
       torch_npu.npu.iteration end()


msprof --export=on --output= fprof path] --iteration-id=3

仅采集需要的迭代

def execute model():
      y_pred = model(x data)
      loss = loss_func(y_pred, y_data)
      loss.backward()
for epoch in range(10):
   if epoch != 2:
      execute model()
   else:
      with torch.npu.profile (profiler_result_path) as prof:
          execute model()

for epoch in range(10):
   if epoch == 2:
     torch_npu.npu.prof_init(profiler_result_path)
     torch_npu.npu.prof_start()
   execute model()
   if epoch == 2:
     torch_npu.npu.prof_stop()
     torch_npu.npu.prof_finalize()

4. Profiling数据说明

(1) Step trace timeline数据: step trace数据查看选代耗时情况，识别较长选代进行分析。

msporf --export=on --output=prof_path

(2) 对应迭代的msprof timeline数据: 通过打开导出的msprof数据查看送代内耗时情况，存在较长耗时算子时，可以进一步找算子详细信息辅助定位；存在通信耗时或调度间隙较长时，分析调用过程中接口耗时。

（3）HCCL timeline数据:通过多卡进行训练时，卡间通信算子也可能导致性能瓶颈。

（4）打开组件接口耗时统计表:可以查看迭代内AscendCL API 和 Runtime APl的接口耗时情况，辅助分析接口调用对性能的影响。

（5）打开对应的算子统计表:可以查看送代内每个AI CORE和AI CPU算子的耗时及详细信息，进一步定位分析算子的metrics指标数据，分析算子数据搬运、执行流水的占比情况，识别算子瓶颈点。

5. 优化案例——算子融合

通过MindStudio IDE分析性能

IDE模式

集群调优