Provide tiny wrapper over pytorch ThroughputBenchmark

Métriques du dépôt

Stars

4 313 étoiles (4 313 étoiles)

Métriques de merge PR

Métriques PR en attente (Métriques PR en attente)

Description

 >>> from torch.utils import ThroughputBenchmark
>>> bench = ThroughputBenchmark(my_module)
>>> # Pre-populate benchmark's data set with the inputs
>>> for input in inputs:
    # Both args and kwargs work, same as any PyTorch Module / ScriptModule
    bench.add_input(input[0], x2=input[1])
>>> # Inputs supplied above are randomly used during the execution
>>> stats = bench.benchmark(
                num_calling_threads=4,
                num_warmup_iters = 100,
                num_iters = 1000,
            )
>>> print("Avg latency (ms): {}".format(stats.latency_avg_ms))
>>> print("Number of iterations: {}".format(stats.num_iters))

Guide contributeur

Direction de recherche

Inspectez le ThroughputBenchmark de PyTorch depuis torch.utils.throughput benchmark, comprenez son API et les points d'intégration avec la boucle d'entraînement d'Ignite. Créez un petit wrapper qui accepte un modèle Ignite et fournit des fonctionnalités de benchmark similaires.

Stack technique

pythonpytorch

Domaine

machine learningai

Type d'issue

Fonctionnalité

DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.

2

Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.

Moins d'une heure

Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.

Active

ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.

Claire

Prérequis

PythonPyTorchIgnite basics

Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.

80