未验证 提交 53e4a270 编写于 作者: J juncaipeng 提交者: GitHub

add test_tools doc, test=develop (#2454)

上级 c5b026ac
...@@ -56,30 +56,4 @@ dropout_0.tmp_0 {1,1536,1,1} 0.599913 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.01202671 ...@@ -56,30 +56,4 @@ dropout_0.tmp_0 {1,1536,1,1} 0.599913 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.01202671
您可以参考 `check_model.sh` 脚本中的代码以获得更多细节. 您可以参考 `check_model.sh` 脚本中的代码以获得更多细节.
## Basic Profiler
Basic profiler 用于 CPU 上kernel 耗时的统计,在 cmake 时添加 `-DLITE_WITH_PROFILER=ON` ,就可以开启相应支持。
在模型执行完毕后,会自动打印类似如下 profiler 的日志
```
kernel average min max count
feed/def/1/4/2 0 0 0 1
conv2d/def/4/1/1 1175 1175 1175 1
conv2d/def/4/1/1 1253 1253 1253 1
depthwise_conv2d/def/4/1/1 519 519 519 1
conv2d/def/4/1/1 721 721 721 1
elementwise_add/def/4/1/1 18 18 18 1
conv2d/def/4/1/1 2174 2174 2174 1
depthwise_conv2d/def/4/1/1 380 380 380 1
conv2d/def/4/1/1 773 773 773 1
elementwise_add/def/4/1/1 2 2 2 1
conv2d/def/4/1/1 1248 1248 1248 1
depthwise_conv2d/def/4/1/1 492 492 492 1
conv2d/def/4/1/1 1150 1150 1150 1
elementwise_add/def/4/1/1 33 33 33 1
elementwise_add/def/4/1/1 3 3 3 1
conv2d/def/4/1/1 1254 1254 1254 1
depthwise_conv2d/def/4/1/1 126 126 126 1
```
...@@ -39,7 +39,7 @@ Paddle-Lite 框架是 PaddleMobile 新一代架构,重点支持移动端推理 ...@@ -39,7 +39,7 @@ Paddle-Lite 框架是 PaddleMobile 新一代架构,重点支持移动端推理
- [模型量化]({{site.baseurl}}/develop/model_quantization) - [模型量化]({{site.baseurl}}/develop/model_quantization)
- [支持Op列表]({{site.baseurl}}/develop/support_operation_list) - [支持Op列表]({{site.baseurl}}/develop/support_operation_list)
- [新增Op方法]({{site.baseurl}}/develop/add_new_operation) - [新增Op方法]({{site.baseurl}}/develop/add_new_operation)
- [测试工具]({{site.baseurl}}/develop/debug_tools) - [测试工具]({{site.baseurl}}/develop/test_tools)
- [调试方法]({{site.baseurl}}/develop/debug_tools) - [调试方法]({{site.baseurl}}/develop/debug_tools)
- [使用华为NPU]({{site.baseurl}}/develop/npu) - [使用华为NPU]({{site.baseurl}}/develop/npu)
- [使用Android GPU]({{site.baseurl}}/develop/opencl) - [使用Android GPU]({{site.baseurl}}/develop/opencl)
......
---
layout: post
title: Test tools
---
Basic profiler 用于 CPU 上kernel 耗时的统计。
## 开启方法:
参照 [编译安装](../source_compile) 中的**full_publish**部分进行环境配置,在 cmake 时添加 `-DLITE_WITH_PROFILER=ON` ,就可以开启相应支持。
## 使用示例:
在模型执行完毕后,会自动打印类似如下 profiler 的日志
```
kernel average min max count
feed/def/1/4/2 0 0 0 1
conv2d/def/4/1/1 1175 1175 1175 1
conv2d/def/4/1/1 1253 1253 1253 1
depthwise_conv2d/def/4/1/1 519 519 519 1
conv2d/def/4/1/1 721 721 721 1
elementwise_add/def/4/1/1 18 18 18 1
conv2d/def/4/1/1 2174 2174 2174 1
depthwise_conv2d/def/4/1/1 380 380 380 1
conv2d/def/4/1/1 773 773 773 1
elementwise_add/def/4/1/1 2 2 2 1
conv2d/def/4/1/1 1248 1248 1248 1
depthwise_conv2d/def/4/1/1 492 492 492 1
conv2d/def/4/1/1 1150 1150 1150 1
elementwise_add/def/4/1/1 33 33 33 1
elementwise_add/def/4/1/1 3 3 3 1
conv2d/def/4/1/1 1254 1254 1254 1
depthwise_conv2d/def/4/1/1 126 126 126 1
```
...@@ -56,30 +56,4 @@ dropout_0.tmp_0 {1,1536,1,1} 0.599913 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.01202671 ...@@ -56,30 +56,4 @@ dropout_0.tmp_0 {1,1536,1,1} 0.599913 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.01202671
您可以参考 `check_model.sh` 脚本中的代码以获得更多细节. 您可以参考 `check_model.sh` 脚本中的代码以获得更多细节.
## Basic Profiler
Basic profiler 用于 CPU 上kernel 耗时的统计,在 cmake 时添加 `-DLITE_WITH_PROFILER=ON` ,就可以开启相应支持。
在模型执行完毕后,会自动打印类似如下 profiler 的日志
```
kernel average min max count
feed/def/1/4/2 0 0 0 1
conv2d/def/4/1/1 1175 1175 1175 1
conv2d/def/4/1/1 1253 1253 1253 1
depthwise_conv2d/def/4/1/1 519 519 519 1
conv2d/def/4/1/1 721 721 721 1
elementwise_add/def/4/1/1 18 18 18 1
conv2d/def/4/1/1 2174 2174 2174 1
depthwise_conv2d/def/4/1/1 380 380 380 1
conv2d/def/4/1/1 773 773 773 1
elementwise_add/def/4/1/1 2 2 2 1
conv2d/def/4/1/1 1248 1248 1248 1
depthwise_conv2d/def/4/1/1 492 492 492 1
conv2d/def/4/1/1 1150 1150 1150 1
elementwise_add/def/4/1/1 33 33 33 1
elementwise_add/def/4/1/1 3 3 3 1
conv2d/def/4/1/1 1254 1254 1254 1
depthwise_conv2d/def/4/1/1 126 126 126 1
```
...@@ -39,7 +39,7 @@ Paddle-Lite 框架是 PaddleMobile 新一代架构,重点支持移动端推理 ...@@ -39,7 +39,7 @@ Paddle-Lite 框架是 PaddleMobile 新一代架构,重点支持移动端推理
- [模型量化]({{site.baseurl}}/v2.0.0/model_quantization) - [模型量化]({{site.baseurl}}/v2.0.0/model_quantization)
- [支持Op列表]({{site.baseurl}}/v2.0.0/support_operation_list) - [支持Op列表]({{site.baseurl}}/v2.0.0/support_operation_list)
- [新增Op方法]({{site.baseurl}}/v2.0.0/add_new_operation) - [新增Op方法]({{site.baseurl}}/v2.0.0/add_new_operation)
- [测试工具]({{site.baseurl}}/v2.0.0/debug_tools) - [测试工具]({{site.baseurl}}/v2.0.0/test_tools)
- [调试方法]({{site.baseurl}}/v2.0.0/debug_tools) - [调试方法]({{site.baseurl}}/v2.0.0/debug_tools)
- [使用华为NPU]({{site.baseurl}}/v2.0.0/npu) - [使用华为NPU]({{site.baseurl}}/v2.0.0/npu)
- [使用Android GPU]({{site.baseurl}}/v2.0.0/opencl) - [使用Android GPU]({{site.baseurl}}/v2.0.0/opencl)
......
---
layout: post
title: Test tools
---
Basic profiler 用于 CPU 上kernel 耗时的统计。
## 开启方法:
参照 [编译安装](../source_compile) 中的**full_publish**部分进行环境配置,在 cmake 时添加 `-DLITE_WITH_PROFILER=ON` ,就可以开启相应支持。
## 使用示例:
在模型执行完毕后,会自动打印类似如下 profiler 的日志
```
kernel average min max count
feed/def/1/4/2 0 0 0 1
conv2d/def/4/1/1 1175 1175 1175 1
conv2d/def/4/1/1 1253 1253 1253 1
depthwise_conv2d/def/4/1/1 519 519 519 1
conv2d/def/4/1/1 721 721 721 1
elementwise_add/def/4/1/1 18 18 18 1
conv2d/def/4/1/1 2174 2174 2174 1
depthwise_conv2d/def/4/1/1 380 380 380 1
conv2d/def/4/1/1 773 773 773 1
elementwise_add/def/4/1/1 2 2 2 1
conv2d/def/4/1/1 1248 1248 1248 1
depthwise_conv2d/def/4/1/1 492 492 492 1
conv2d/def/4/1/1 1150 1150 1150 1
elementwise_add/def/4/1/1 33 33 33 1
elementwise_add/def/4/1/1 3 3 3 1
conv2d/def/4/1/1 1254 1254 1254 1
depthwise_conv2d/def/4/1/1 126 126 126 1
```
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册