TensorFlow函数教程:tf.profiler.profile

2019-02-16 17:21 更新

tf.profiler.profile函数

tf.profiler.profile(
    graph=None,
    run_meta=None,
    op_log=None,
    cmd='scope',
    options=_DEFAULT_PROFILE_OPTIONS
)

定义在:tensorflow/python/profiler/model_analyzer.py。

profile模型。

可以在以下网址找到教程和示例:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/core/profiler/README.md

参数:

  • graph:tf.Graph。如果是“None”或者未启用“eager执行”,请使用默认图形。
  • run_meta:可选的tensorflow.RunMetadata proto。有必要支持运行时信息分析,例如时间和内存。
  • op_log:tensorflow.tfprof.OpLogProto proto。用户可以使用op_log为图节点分配“types”。“types”允许用户使用选项['accounts_type_regexes']灵活地分组和帐户配置文件。
  • cmd:字符串。可以是:'op','scope','graph'或'code'。'op'视图使用操作类型组织profile。(例如,MatMul)“scope”视图使用图形节点名称范围组织profile。“graph”视图使用图形节点输入/输出组织profile。'code'视图使用Python调用堆栈组织profile。
  • options:选项的一个词。

返回:

如果cmd是'scope'或'graph',则返回GraphNodeProto proto。如果cmd是'op'或'code',则返回MultiGraphNodeProto proto。副作用:stdout/file/timeline.json取决于选项['output']。

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号