stop_profiler¶

paddle.fluid.profiler. stop_profiler ( sorted_key=None, profile_path='/tmp/profile' ) ¶

停止使用性能分析器。除了 profiler 外，用户还可以使用 start_profiler 和 stop_profiler 来激活和停止使用性能分析器。

警告

该API将在未来废弃，对CPU和GPU的性能分析请参考使用paddle最新的性能分析器 Profiler。对于关闭profiler，使用新的接口来替换该接口的使用有下列两种方式

         #使用新的接口替换该接口的使用方式
#1。调用Profiler对象的stop接口
import paddle
import paddle.profiler as profiler
prof = profiler.Profiler()
prof.start()
for iter in range(10):
    #train()
    prof.step()
prof.stop()
prof.summary() # 打印表单

        

         #2。使用环境管理器的用法
import paddle
import paddle.profiler as profiler
with profiler.Profiler() as prof:
  for iter in range(10):
    #train()
    prof.step()
prof.summary() # 打印表单

        

参数¶

sorted_key (str，可选) – 性能分析结果的打印顺序，取值为None、'call'、'total'、'max'、'min'、'ave'之一。默认值为None，表示按照第一次结束时间顺序打印；'call'表示按调用的数量进行排序；'total'表示按总执行时间排序；'max'表示按最大执行时间排序；'min'表示按最小执行时间排序；'ave'表示按平均执行时间排序。

profile_path (str，可选) – 如果性能分析状态为'All'，将生成的时间轴信息写入profile_path，默认输出文件为 /tmp/profile 。

抛出异常¶

ValueError – 如果sorted_key取值不在 [None, 'calls', 'total', 'max', 'min', 'ave']中，则抛出异常。

代码示例¶

          import paddle.fluid as fluid
import paddle.fluid.profiler as profiler

profiler.start_profiler('GPU')
for iter in range(10):
    if iter == 2:
        profiler.reset_profiler()
        # except each iteration
profiler.stop_profiler('total', '/tmp/profile')

         