分析 TensorFlow 估计器答案

【问题标题】：Profiling Tensorflow Estimators分析 TensorFlow 估计器
【发布时间】：2018-12-18 07:43:14
【问题描述】：

我正忙着分析tensorflow BERT code，看看它对于特定用例是否足够快。

我需要确定预测的速度。现在，据我了解，可以将profiler 或run_metadata 对象添加到session.Run 选项。但是，BERT 正在使用新的 Estimator API。

如何描述 Estimators？那可能吗？

更新：

Tensorflow 团队向我展示了 here，可以将 ProfilerHook 附加到估算器：

hooks = [tf.train.ProfilerHook(save_steps=1, output_dir=model_dir)]
estimator.predict(..., hooks=hooks)

这会生成一个跟踪文件，但该跟踪不起作用。

Error : Couldn't create an importer for the provided eventData.
at Import.createImporter_ (chrome://tracing/tracing.js:1300:2071)
at addImportStage (chrome://tracing/tracing.js:1295:167)
at Task.run (chrome://tracing/tracing.js:2307:95)
at runAnother (chrome://tracing/tracing.js:2310:371)
at runTask (chrome://tracing/tracing.js:2286:57)
at processIdleWork (chrome://tracing/tracing.js:2291:116)
at window.requestIdleCallback.timeout (chrome://tracing/tracing.js:2284:81)

【问题讨论】：

标签： python tensorflow profiling

【解决方案1】：

如果您使用了类型为timeline-.js 的tf.estimator 文件，将被创建。在 chrome://tracing/ 中加载任何这些时间线-.js 以查看跟踪文件您将在模型目录中找到timeline-.js 文件。

【讨论】：

可以+1，但是你需要把这些文件放在哪里，这样你就可以在tensorboard中看到它们了。