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标记程序中 step() 的发生，方法是通过 pytorch profiler step()。现在，我们将在 Optimizer 类中添加 step 钩子 https://github.com/pytorch/pytorch/issues/88446

• 这意味着已经调用 profiler.step() 的程序可能会在每次迭代中对步数进行双重递增。

• 如果模型使用多个优化器，我们也可能会对步数进行双重或更多次的计数。

我们通过在调用 kineto 库中的 step() 之前添加一个抽象层来解决此问题。想法是维护一个字典中每个请求者的步数。

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

要找出全局步数，只需取字典值的最大值（100）。

如果其中一个计数递增，最大值将增加。

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

那么全局步数为 101。只有在全局计数递增时，我们才会调用 kineto step() 函数。

注意：目前，请不要在优化器之外的模块中使用 KinetoStepTracker。结果可能会导致步数的递增不正确。

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，如果所有步数计数的最大值已递增，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。