【PaddlePaddle Hackathon】75、在飞桨可视化分析工具VisualDL中新增Profiler功能，实现训练过程中实时跟踪模型的性能情况

[TCChenlong]

（此 ISSUE 为 PaddlePaddle Hackathon 活动的任务 ISSUE，更多详见PaddlePaddle Hackathon）

【任务说明】

• 任务标题：在飞桨可视化分析工具VisualDL中新增Profiler功能，展示训练过程中模型的性能情况

• 技术标签：深度学习框架，C++，可视化

• 任务难度：困难

• 详细描述：

• 查看模型在主机 (CPU)、设备 (GPU) 或主机与设备组合上的性能

• 分析模型中各种运算的硬件资源消耗（时间和内存），并提供性能瓶颈解决建议

展现的内容包括但不限于：

• 性能摘要：显示训练步数所需时间与设备计算时间机器百分比，包括变异、输入、输出、内核启动、主机计算时间、设备通信时间、设备上的计算时间
• 运行环境：显示模型运行环境的高级摘要，包括使用的主机数量，设备类型（GPU/CPU），设备核心数
• 步骤时间图：显示训练步数下设备说话时间的图表（用颜色标明不同类别所花费的时间）
• 建议：针对性能瓶颈优化的具体建议
• TOP 10的训练：显示运行时间最长的TOP10的训练进行详细展示：算子自身计算时间及其所占百分比、累计总时间、类别及名称

可以发送邮件至 [email protected] 获取详细说明。

【提交内容】

• 任务提案

• 任务 PR至 VisualDL

• 相关技术文档

【技术要求】

• 熟练掌握Paddle框架

• 熟练掌握Python