MindStudio Profiler Analyze

🚀 昇腾性能分析工具

📢 最新消息¶

[2025.12.30]：新增 module_statistic 分析能力：提供的针对PyTorch模型自动解析模型层级结构的分析能力，帮助精准定位性能瓶颈。

📌 简介¶

MindStudio Profiler Analyze（msprof-analyze）是面向 AI 训练与推理场景的性能分析工具，基于采集得到的 profiling 数据进行统计、比对和诊断，帮助定位计算、通信、调度及集群场景下的性能瓶颈。

📖 功能介绍¶

功能点	功能简介	资料链接	源码目录
专家建议	基于性能数据自动识别计算、调度、通信等潜在问题，并输出优化建议。	点击查看	点击查看
性能比对	支持 GPU/NPU、NPU/NPU 等多种场景的性能差异分析。	点击查看	点击查看
集群分析	汇总集群通信数据，输出结果支持在 MindStudio Insight 中可视化查看。	点击查看	点击查看
扩展分析	基于 DB 类型性能数据，提供可自定义的 Recipe 分析规则，目前已涵盖拆解对比、Host 下发、计算、通信等 20 余种多维度分析能力，便于灵活扩展。	点击查看	点击查看

🛠️ 工具安装¶

推荐直接通过 pip 安装：

pip install -U msprof-analyze

如需 whl 包下载、源码编译，请参见《安装指南》。

🚀 快速入门¶

msprof-analyze 常用分析命令如下：

# 集群通信汇总
msprof-analyze cluster -m all -d ./cluster_data

# 专家建议
msprof-analyze advisor all -d ./prof_data -o ./advisor_output

# 性能比对
msprof-analyze compare -d ./ascend_pt -bp ./gpu_trace.json -o ./compare_output

以 ResNet50 模型训练任务为例，《快速入门》贯穿从采集性能数据、执行 Advisor 分析到查看分析结果的完整流程，帮助您快速体验工具的核心功能。

🔍 目录结构¶

关键目录如下，详细信息参见《目录结构说明》。

msprof-analyze
├── config                      # 配置文件目录
├── docs                        # 文档目录
├── msprof_analyze              # 主代码包目录
│   ├── advisor                 # 专家建议模块
│   ├── cli                     # 命令行入口
│   ├── cluster_analyse         # 集群分析模块
│   ├── compare_tools           # 性能比对模块
│   ├── prof_common             # 公共能力模块
│   └── prof_exports            # 导出模块
├── requirements                # 依赖管理目录
├── test                        # 测试目录
└── README.md                   # 项目说明文档

📝 相关说明¶

💬 建议与交流¶

欢迎大家为社区做贡献。如果有任何疑问或建议，请提交 Issues，我们会尽快回复。感谢您的支持。

🤝 致谢¶

本工具由华为公司的下列部门联合贡献：

昇腾计算 MindStudio 开发部
华为云昇腾云服务
昇腾计算生态使能部
2012 网络实验室

感谢来自社区的每一个 PR，欢迎贡献 msprof-analyze。

关于MindStudio团队¶

华为 MindStudio 全流程开发工具链团队致力于提供端到端的昇腾 AI 应用开发解决方案，使能开发者高效完成训练开发、推理开发和算子开发。欢迎通过昇腾社区了解更多相关产品与资料。