深度学习模型的性能分析方法、装置、设备和存储介质制造方法及图纸

本公开涉及一种深度学习模型的性能分析方法、装置、设备和存储介质。所述方法包括：在深度学习模型的脚本中导入性能分析工具；确定性能分析的目标层级；运行所述深度学习模型的脚本，并通过所述性能分析工具输出所述目标层级的性能分析结果。级的性能分析结果。级的性能分析结果。

【技术实现步骤摘要】
深度学习模型的性能分析方法、装置、设备和存储介质


[0001]本公开涉及计算机
，尤其涉及一种深度学习模型的性能分析方法、深度学习模型的性能分析装置、电子设备和存储介质。

技术介绍

[0002]通过对深度学习模型进行性能分析，能够有助于找到深度学习模型的运行瓶颈，优化深度学习模型的性能。因此，对深度学习模型进行性能分析具有重要意义。

技术实现思路

[0003]本公开提供了一种深度学习模型的性能分析技术方案。
[0004]根据本公开的一方面，提供了一种深度学习模型的性能分析方法，包括：
[0005]在深度学习模型的脚本中导入性能分析工具；
[0006]确定性能分析的目标层级；
[0007]运行所述深度学习模型的脚本，并通过所述性能分析工具输出所述目标层级的性能分析结果。
[0008]在一种可能的实现方式中，所述确定性能分析的目标层级，包括：
[0009]响应于层级设置指令，设置所述性能分析工具的层级参数；
[0010]根据所述性能分析工具的层级参数，确定性能分析的目标层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习模型的性能分析方法，其特征在于，包括：在深度学习模型的脚本中导入性能分析工具；确定性能分析的目标层级；运行所述深度学习模型的脚本，并通过所述性能分析工具输出所述目标层级的性能分析结果。2.根据权利要求1所述的方法，其特征在于，所述确定性能分析的目标层级，包括：响应于层级设置指令，设置所述性能分析工具的层级参数；根据所述性能分析工具的层级参数，确定性能分析的目标层级。3.根据权利要求1或2所述的方法，其特征在于，在所述在深度学习模型的脚本中导入性能分析工具之后，所述方法还包括：将所述性能分析工具的启动参数设置为启动；其中，在所述性能分析工具的启动参数为启动的情况下，所述性能分析工具处于启动状态；所述通过所述性能分析工具输出所述目标层级的性能分析结果，包括：响应于所述性能分析工具的启动参数为启动，通过所述性能分析工具输出所述目标层级的性能分析结果。4.根据权利要求3所述的方法，其特征在于，所述将所述性能分析工具的启动参数设置为启动，包括：响应于启动指令，将所述性能分析工具的启动参数设置为启动。5.根据权利要求3所述的方法，其特征在于，在所述在深度学习模型的脚本中导入性能分析工具之后，所述方法还包括：响应于关闭指令，将所述性能分析工具的启动参数设置为关闭；其中，在所述性能分析工具的启动参数为关闭的情况下，所述性能分析工具处于关闭状态。6.根据权利要求1或2所述的方法，其特征在于，在所述在深度学习模型的脚本中导入性能分析工具之后，所述方法还包括：响应于后端设置指令，将所述性能分析工具的后端参数设置为所述后端设置指令指定的后端。7.根据权利要求1或2所述的方法，其特征在于，所述目标层级...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：摩尔线程智能科技北京有限责任公司，
类型：发明
国别省市：