工作台可以分析python代码执行的性能,可以在发布前对算法进行性能评估,分析性能瓶颈函数做针对性的优化。

使用教程

1. 扫码连接

6.2扫码连接设备

2. Profile方式执行

点击工作台左上角菜单,Tools -> Profile方式运行

3. 结束运行

点击结束运行后,会自动弹出性能耗时分析,包含所有调用函数的性能统计。
image.png
耗时占比饼状图:
image.png
运行的设备信息:
image.png

4. 导出

可以点击右上角性能报告导出文件,作为下次优化的参考基线
image.png

5. 实时性能

如果你的算法执行时间比较长,可以使用工作台看到运行期间的实时性能数据,如CPU、内存、帧率等信息。
连接工作台后,点击左侧工具栏最后一个图标,就能看到实时的性能显示。
image.png

说明

函数时间

image.png
profile结果分析了所有快级(函数级)执行的性能,显示格式为:平均时间(次数),该时间为函数自身执行的平均时间,不包含函数内子调用的时间。因此从Rank图表中立马就能分析出最耗时的函数,以做针对性的优化。

性能损耗

在千快级运行的代码规模上,目前的profile基本无明显损耗,不会影响算法自身的执行速度。