TensorFlow timeline模块使用

6,162次阅读

共计 954 个字符，预计需要花费 3 分钟才能阅读完成。

现在TensorFlow是机器学习中最常用的库之一。有时，描述张量图可能是非常有用的，并且知道什么操作需要更多的时间和更少的时间。这可以用张量流timeline模块完成。

如何执行张量流代码的分析。
如何从多次会话运行合并时间轴。
分析期间可能会出现什么问题，以及如何解决问题

使用Timeline对象来获取图中每个节点的执行时间：

你使用一个经典的，sess.run()但也指定可选的参数options和run_metadata
然后Timeline使用run_metadata.step_stats数据创建一个对象

这是一个测量矩阵乘法性能的示例程序：

import tensorflow as tf
from tensorflow.python.client import timeline

x = tf.random_normal([1000, 1000])  # 随机矩阵1000*1000
y = tf.random_normal([1000, 1000])
res = tf.matmul(x, y)

# Run the graph with full trace option
with tf.Session() as sess:
    run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
    run_metadata = tf.RunMetadata()
    sess.run(res, options=run_options, run_metadata=run_metadata)

    # Create the Timeline object, and write it to a json
    tl = timeline.Timeline(run_metadata.step_stats)
    ctf = tl.generate_chrome_trace_format()
    with open('timeline.json', 'w') as f:
        f.write(ctf)

会生成一个timeline.json文件，然后，打开Google Chrome，转到该页面chrome://tracing并加载该timeline.json文件。看到像：