PyASC 算子上板性能调优asc.metrics_prof_stop 接口详解与 msProf 采集范围控制【免费下载链接】pyasc本项目为Python用户提供算子编程接口支持在昇腾AI处理器上加速计算接口与Ascend C一一对应并遵守Python原生语法。项目地址: https://gitcode.com/cann/pyasc本文聚焦 PyASC 的asc.language.basic.metrics_prof_stop()接口说明它与asc.metrics_prof_start()配对指定 msProf 性能数据采集范围的使用方式并结合当前仓库源码解析该接口从 Python 调用、AscIR 算子定义到 Ascend C 代码生成的完整实现链路。读完本文你不仅知道如何正确插入这对接口来圈定需要调优的 kernel 侧代码段还能从源码层面确认它们在 PyASC 编译管线中的落点与验证方式。1. 接口定义与对应的 Ascend C 原型metrics_prof_stop()是 PyASC 提供的算子侧kernel 侧性能数据采集控制接口用于设置性能数据采集信号停止必须与asc.metrics_prof_start()配合使用。在 API 参考页 asc.language.basic.metrics_prof_stop 中接口的定义如下asc.language.basic.metrics_prof_stop() → None其对应的 Ascend C 函数原型为__aicore__ inline void MetricsProfStop()两个关键约束参数无。返回值无。接口文档中的标准调用示例为asc.metrics_prof_stop()2. 典型使用场景用 msProf 圈定算子内的调优代码段metrics_prof_start()见 asc.language.basic.metrics_prof_start与metrics_prof_stop()是一对开关。当使用 msProf 工具进行算子上板调优时可以在 kernel 侧代码段的前后分别调用这两个接口以指定需要调优的代码段范围。典型的 kernel 侧写法如下结构示意具体数据搬运与计算代码以实际算子为准import asc from asc.language.core import GlobalTensor, LocalTensor # kernel 入口函数由 PyASC JIT 编译后上板执行 def my_kernel(...) - None: # ... 加载数据、准备 tile ... asc.metrics_prof_start() # 数据采集开始信号 # —— 需要调优的核心代码段如循环内的向量计算、Cube 计算—— # ... asc.metrics_prof_stop() # 数据采集停止信号 # ... 收尾、回写结果 ...使用要点必须成对使用metrics_prof_start()与metrics_prof_stop()分别插在待测代码段的前、后形成闭合的采集区间面向上板调优该接口用于真实 NPU 上运行时配合 msProf 工具采集指定区间的性能指标属于性能调优profiling类接口而非功能计算接口无状态、无参数接口本身不携带任何配置采集范围完全由成对调用位置决定。3. PyASC 源码实现从 Python 调用到 AscIR 算子从源码结构看metrics_prof_stop()在 PyASC 中是一条零参数、纯副作用的 trace 型接口其实现位于 dump_tensor.pyoverload def metrics_prof_stop() - None: ... require_jit set_common_docstring(api_namemetrics_prof_stop) def metrics_prof_stop() - None: builder global_builder.get_ir_builder() builder.create_asc_MetricsProfStopOp()可以从源码中读出三个实现细节require_jit装饰器接口只能在 PyASC 的 JIT trace 上下文中被调用即 kernel 函数体被 PyASC 编译器追踪时执行。Python 层面调用后并不直接产生任何硬件动作而是由global_builder.get_ir_builder()在当前 builder 位置创建一条 IR 算子create_asc_MetricsProfStopOp()生成的 IR 算子名为ascendc.metrics_prof_stop与 start 接口对应的是ascendc.metrics_prof_startset_common_docstringAPI 参考文档即本文开头的asc.language.basic.metrics_prof_stop.md通过统一的 docstring 机制与该实现关联保证文档与代码的签名一致。3.1 AscIR 算子定义metrics_prof_stop对应的 AscIR 方言算子在 TableGen 中定义于 OpDumpTensor.tddef AscendC_MetricsProfStartOp : APIOpmetrics_prof_start,MetricsProfStart, [AscFunc] { let description Start performance metrics collection for a code region; pair with MetricsProfStop.; } def AscendC_MetricsProfStopOp : APIOpmetrics_prof_stop,MetricsProfStop, [AscFunc] { let description Stop performance metrics collection started by MetricsProfStart.; }两个要点该算子属于APIOp类Ascend C API 算子携带AscFunctrait算子第二参数即目标函数名MetricsProfStop说明它最终会被映射为对 Ascend CMetricsProfStop()的内联调用从 description 字段可见start/stop 成对使用是算子定义层面的既定语义与 API 文档的说明一致。3.2 代码生成验证lit 测试确认输出仓库中的 lit 测试 dump_tensor.mlir 验证了ascendc.metrics_prof_stop被翻译为 Ascend C 代码时的确切输出// CHECK-LABEL:void emit_metrics_prof_stop() { // CHECK-NEXT: AscendC::MetricsProfStop(); // CHECK-NEXT: return; // CHECK-NEXT: } func.func emit_metrics_prof_stop() { ascendc.metrics_prof_stop return }可以看到ascendc.metrics_prof_stop算子在最终生成的 C 代码中就是裸调用AscendC::MetricsProfStop();——这与 API 文档给出的__aicore__ inline void MetricsProfStop()原型一一对应。start 接口在同一测试文件中有完全对称的用例AscendC::MetricsProfStart();。4. 运行验证方式与相关设施PyASC 用两类测试覆盖这对接口Python 端单测test_common_api.py 中的test_metrics_prof_stop用例在mock_launcher_run环境下定义一个仅调用asc.metrics_prof_stop()的 kernel 函数并以kernel_metrics_prof_stop[1]()的形式触发执行链路下标1为 PyASC 的 block 数调用参数验证接口在 trace 与上板启动流程中可用start 接口有对应的test_metrics_prof_start用例代码生成 lit 测试如第 3.2 节所示用 FileCheck 校验 Ascend C 源码输出保证从 IR 到代码的翻译稳定。此外仓库在python/asc/lib/profiling/下提供了 msProf 相关的 profiling 支持模块如 msprof.py可在上板性能分析场景中与本文介绍的 kernel 侧采集区间配合使用具体参数以该模块当前实现与运行时环境为准。5. 小结与注意事项asc.metrics_prof_stop()无参数、无返回值语义是性能数据采集信号停止必须与asc.metrics_prof_start()成对使用用于在使用 msProf 进行算子上板调优时圈定待测代码段在 PyASC 中该调用在 JIT trace 期生成ascendc.metrics_prof_stop算子dump_tensor.py该算子由 OpDumpTensor.td 定义最终在生成的 Ascend C 代码中输出为AscendC::MetricsProfStop();该接口仅在 kernel 侧、PyASC JIT 编译上下文中有效require_jit不适用于 host 侧普通 Python 代码如需进一步阅读可对照 API 文档 asc.language.basic.metrics_prof_stop 与 asc.language.basic.metrics_prof_start以及测试用例 test_common_api.py 和 lit 测试 dump_tensor.mlir。【免费下载链接】pyasc本项目为Python用户提供算子编程接口支持在昇腾AI处理器上加速计算接口与Ascend C一一对应并遵守Python原生语法。项目地址: https://gitcode.com/cann/pyasc创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
