KinetoStepTracker

class torch.autograd.profiler.KinetoStepTracker

提供用于全局递增步数的抽象。

以前，我们只有一个地方可以通过 pytorch profiler step() 标记程序中发生了 step()。我们现在将在 Optimizer 类中添加 step 钩子 https://github.com/pytorch/pytorch/issues/88446

• 这可能意味着已经每迭代调用 profiler.step() 的程序最终会双倍递增步数。

• 如果模型使用多个优化器，我们还可能对步数进行双倍或更多倍的计数。

我们通过在调用 step() 到 kineto 库之前添加一层抽象来解决这个问题。这个想法是在字典中维护每个请求者的步数

{
   "ProfilerStep": 100,  # triggered by profiler step() call
   "Optimizer1Step": 100,   # Optimizer 1 or 2 are just examples, could be SGD, Adam etc
   "Optimizer2Step": 100,
}

要计算全局步数，只需取字典值的最大值 (100)。

如果其中一个计数递增，则最大值将增加。

{
   "ProfilerStep": 100,
   "Optimizer1Step": 101,   # Optimizer1 got incremented first say
   "Optimizer2Step": 100,
}

然后全局步数为 101。我们仅在全局计数递增时调用 kineto step() 函数。

注意：目前请勿在 Optimizer 之外的模块中使用 KinetoStepTracker。结果可能是步数的不正确递增。

classmethod current_step()

获取任何请求者的最新步数

返回类型

int

classmethod erase_step_count(requester)

移除给定的请求者。

返回类型

bool

classmethod increment_step(requester)

递增请求者的步数。

此外，如果所有步数的最大值已递增，则触发 _kineto_step() 返回全局步数

返回类型

int

classmethod init_step_count(requester)

为给定的请求者初始化。