tensorflow无法调用gpu_TensorFlow使用Profiler进行性能剖析

TensorFlow性能剖析

深度学习模型训练，时常会遇到性能问题，为了提高训练速度，得分析哪些环节是耗时比较长的，再进行优化。TensorFlow提供了一个很好的Profiler工具：tf.estimator.ProfilerHook。

tf.estimator.ProfilerHook 可以定期(每隔N个步数或秒数)捕获CPU/GPU/TPU的分析信息。 其将捕获的信息保存名为“ timeline-.json”的文件，这些文件采用Chrome的跟踪格式，Chrome的打开界面为： chrome://tracing/ 。

TensorFlow Profiling使用

TensorFlow Profiling使用比较简单，在对应代码处添加hook钩子后，下载结果就可以进行分析。

1. 添加钩子。

estimator = ... # 正常创建estimator# 创建钩子hook = tf.train.ProfilerHook(save_steps=10, output_dir=output_dir, show_memory=True)# 添加钩子train_spec = tf.estimator.TrainSpec(input_fn=read_dataset(...), max_steps=TRAIN_STEPS, hooks=[hook])eval_spec = ... # 定义 tf.estimator.EvalSpec...tf.estimator.train_and_evaluate(estimator, train_spec, eval_spec)

1. 下载结果。在output_dir目录中，下载名为“ timeline-.json