本文由AI智能模型生成，在自有數(shù)據(jù)的基礎(chǔ)上，訓(xùn)練NLP文本生成模型，根據(jù)標(biāo)題生成內(nèi)容，適配到模板。內(nèi)容僅供參考，不對(duì)其準(zhǔn)確性、真實(shí)性等作任何形式的保證，如果有任何問題或意見，請(qǐng)聯(lián)系contentedit@huawei.com或點(diǎn)擊右側(cè)用戶幫助進(jìn)行反饋。我們?cè)瓌t上將于收到您的反饋后的5個(gè)工作日內(nèi)做出答復(fù)或反饋處理結(jié)果。
猜你喜歡：ai識(shí)字：為了改善los鯤鵬計(jì)算的性能，可獲得相同性能瓶頸。在程序訓(xùn)練過程中，F(xiàn)P+FP+BP耗時(shí)占總耗時(shí)，不存在性能瓶頸?；谝陨系男阅軘?shù)據(jù)增強(qiáng)可以通過更新拖尾，開啟Profiling功能查看。Profiling性能分析功能與優(yōu)化提供的性能數(shù)據(jù)(如bp_point+fp_point+fp_point整個(gè)鏈路的算子耗時(shí)具體情況)。在該文件中，著重看TaskDuration列，它記錄著當(dāng)前算子的耗時(shí)。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
猜您想看：可以通過表格中的自定義排序，選擇TaskDuration為主要關(guān)鍵字，進(jìn)行降序重排表格，開頭部分截圖如下?？梢姡?dāng)前網(wǎng)絡(luò)中涉及的算子，最大耗時(shí)僅231.54us。圖6op_summary從該表中依舊無法判斷耗時(shí)較長的原因，那么繼續(xù)打開AICore算子調(diào)用次數(shù)及耗時(shí)數(shù)據(jù)。該文件是對(duì)bp_point+fp_point整個(gè)鏈路上算子，不區(qū)分OPName，按算子的OPType做了統(tǒng)計(jì)。比如將Mul算子統(tǒng)計(jì)為一行，統(tǒng)計(jì)調(diào)用次數(shù)，總耗時(shí)，平均耗時(shí)，最大耗時(shí)，最小耗時(shí)等。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
智能推薦：通過表格中的自定義排序，選擇Ratio(%)為主要關(guān)鍵字，進(jìn)行降序重排表格，截圖如下?？梢?，AICPU在整體耗時(shí)占比達(dá)到76.5%。通過表格中的自定義排序，選擇Total_time為主要關(guān)鍵字，進(jìn)行降序重排表格，截圖如下?？梢钥吹皆贏ICPU中耗時(shí)最大的是dropout算子中的隨機(jī)數(shù)函數(shù)，且已經(jīng)達(dá)到了毫秒級(jí)別。圖8aicpu到此Profiling性能分析工具的任務(wù)已經(jīng)完成。問題解決查看用戶腳本，發(fā)現(xiàn)用戶腳本中的drop腳本使用的是TensorFlow的原生腳本。更多標(biāo)題相關(guān)內(nèi)容，可點(diǎn)擊查看
