torch._logging.set_logs

torch._logging.set_logs(*, all=None, dynamo=None, aot=None, autograd=None, dynamic=None, inductor=None, distributed=None, c10d=None, ddp=None, fsdp=None, dtensor=None, onnx=None, bytecode=False, aot_graphs=False, aot_joint_graph=False, ddp_graphs=False, graph=False, graph_code=False, graph_breaks=False, graph_sizes=False, guards=False, recompiles=False, recompiles_verbose=False, trace_source=False, trace_call=False, trace_bytecode=False, output_code=False, kernel_code=False, schedule=False, perf_hints=False, post_grad_graphs=False, onnx_diagnostics=False, fusion=False, overlap=False, export=None, modules=None, cudagraphs=False, sym_node=False, compiled_autograd=False, compiled_autograd_verbose=False, cudagraph_static_inputs=False, benchmarking=False)

设置各个组件的日志级别并切换各个日志伪影类型。

警告

此功能为原型，将来可能会发生兼容性方面的重大更改。

注意

环境变量 TORCH_LOGS 将完全优先于此函数，因此如果设置了该变量，此函数将不执行任何操作。

组件是 PyTorch 中一组相关功能。从给定组件发出的所有日志消息都具有自己的日志级别。如果特定消息的日志级别优先级大于或等于其组件的日志级别设置，则会发出该消息。否则，将被抑制。例如，这使您可以静默掉与您无关的大量日志消息，并提高与您相关组件的日志详细程度。预期日志级别的值（从最高到最低优先级排序）为

• logging.CRITICAL

• logging.ERROR

• logging.WARNING

• logging.INFO

• logging.DEBUG

• logging.NOTSET

有关日志级别的更多信息，请参阅 Python logging 模块的文档：https://docs.pythonlang.cn/3/library/logging.html#logging-levels

伪影是一种特定的日志消息类型。每个伪影都分配给一个父组件。组件可以发出许多不同类型的伪影。通常，如果以下参数列表中的相应设置已启用，或者如果其父组件的日志级别小于或等于伪影的日志级别，则会发出伪影。

关键字参数

• all (Optional[int]) – 所有组件的默认日志级别。默认值：logging.WARN

• dynamo (Optional[int]) – TorchDynamo 组件的日志级别。默认值：logging.WARN

• aot (Optional[int]) – AOTAutograd 组件的日志级别。默认值：logging.WARN

• autograd (Optional[int]) – autograd 的日志级别。默认值：logging.WARN

• inductor (Optional[int]) – TorchInductor 组件的日志级别。默认值：logging.WARN

• dynamic (Optional[int]) – 动态形状的日志级别。默认值：logging.WARN

• distributed (Optional[int]) – 是否记录 c10d 通信操作和其他来自 PyTorch 分布式组件的调试信息。默认值：logging.WARN

• c10d (Optional[int]) – 是否记录 PyTorch 分布式组件中与 c10d 通信操作相关的调试信息。默认值：logging.WARN

• ddp (Optional[int]) – 是否记录与 PyTorch 分布式组件中的 DistributedDataParallel``(DDP) 相关的调试信息。 默认值： ``logging.WARN

• fsdp (Optional[int]) – 是否记录与 PyTorch 分布式组件中的 FullyShardedDataParallel``(FSDP) 相关的调试信息。 默认值： ``logging.WARN

• dtensor (Optional[int]) – 是否记录与 PyTorch 分布式组件中的 DTensor``(DTensor) 相关的调试信息。 默认值： ``logging.WARN

• onnx (Optional[int]) – ONNX 导出器组件的日志级别。默认值：logging.WARN

• bytecode (bool) – 是否从 TorchDynamo 发出原始和生成的字节码。默认值：False

• aot_graphs (bool) – 是否发出由 AOTAutograd 生成的图。默认值：False

• aot_joint_graph (bool) – 是否发出由 AOTAutograd 生成的联合前向-后向图。默认值：False

• ddp_graphs (bool) – 是否发出由 DDPOptimizer 生成的图。默认值：False

• graph (bool) – 是否以表格格式发出 TorchDynamo 捕获的图。默认值：False

• graph_code (bool) – 是否输出 TorchDynamo 捕获的图的 Python 源代码。默认值：False

• graph_breaks (bool) – 是否输出 TorchDynamo 遇到的图断点。默认值：False

• graph_sizes (bool) – 是否输出 TorchDynamo 捕获的图的张量大小。默认值：False

• guards (bool) – 是否输出 TorchDynamo 为每个编译函数生成的保护条件。默认值：False

• recompiles (bool) – 是否输出 TorchDynamo 每次重新编译函数时遇到的保护条件失败原因和消息。默认值：False

• recompiles_verbose (bool) – 是否输出 TorchDynamo 每次重新编译函数时遇到的所有保护条件失败原因，即使实际上没有运行。默认值：False

• trace_source (bool) – 是否输出 TorchDynamo 开始跟踪新行时的信息。默认值：False

• trace_call (bool) – 是否输出 TorchDynamo 创建对应于函数调用的 FX 节点时的详细行位置。仅限 Python 3.11+。默认值：False

• trace_bytecode (bool) – 是否输出 TorchDynamo 跟踪字节码时的字节码指令和跟踪堆栈状态。默认值：False

• output_code (bool) – 是否输出 TorchInductor 在每个图基础上的输出代码。默认值：False

• kernel_code (bool) – 是否输出 TorchInductor 在每个内核基础上的输出代码。默认值：False

• schedule (bool) – 是否输出 TorchInductor 的调度信息。默认值：False

• perf_hints (bool) – 是否输出 TorchInductor 的性能提示。默认值：False

• post_grad_graphs (bool) – 是否输出在后梯度传递后生成的图。默认值：False

• onnx_diagnostics (bool) – 是否输出 ONNX 导出器在日志中的诊断信息。默认值：False

• fusion (bool) – 是否输出详细的 Inductor 融合决策信息。默认值：False

• overlap (bool) – 是否输出详细的 Inductor 计算/通信重叠决策信息。默认值：False

• sym_node (bool) – 是否输出各种 SymNode 操作的调试信息。默认值：False

• export (Optional[int]) – 导出的日志级别。默认值：logging.WARN

• benchmarking (bool) – 是否输出详细的 Inductor 基准测试信息。默认值：False

• modules (dict) – 此参数提供了一种替代方法来指定上述日志组件和工件设置，格式为作为单个参数提供的关键字参数字典。在两种情况下这很有用：（1）如果注册了新的日志组件或工件，但尚未为此添加关键字参数；（2）如果需要设置未注册模块的日志级别。这可以通过提供完全限定的模块名称作为键，以及日志级别作为值来实现。默认值：None

• cudagraph_static_inputs (bool) – 是否输出 cudagraph 静态输入检测的调试信息。默认值：False

示例

>>> import logging

# The following changes the "dynamo" component to emit DEBUG-level
# logs, and to emit "graph_code" artifacts.

>>> torch._logging.set_logs(dynamo=logging.DEBUG, graph_code=True)

# The following enables the logs for a different module

>>> torch._logging.set_logs(modules={"unregistered.module.name": logging.DEBUG})