Amazon(发布于 Hugging Face Blog) · Josh Longenecker
Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium
Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium是Amazon(发布于 Hugging Face Blog)的免费文章(en)。前置条件:需要能编写和运行 PyTorch 代码,了解张量与常见算子;文章自称不需要剖析经验。
学会在 AWS Trainium 上用 Neuron 后端配置 torch.profiler 采集 trace,读懂 key_averages() 表定位耗时算子,并用 Neuron Explorer 从框架派发追到硬件执行,比较同一算子的不同实现。
- 难度
- 见前置条件
- 类型
- 教程 · 文章
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
阅读文章无需账号;动手复现需要 AWS Trainium 实例、torch-neuronx 环境与 Neuron Explorer。
- 练习与作业
- AWS Trainium 加速器实例(运行 device='neuron' 的剖析代码)Trainium 实例与相关云资源可能产生费用(原站未说明)
选择学习环境
按你的电脑系统准备;提示词在你自己的电脑上使用。
本机动手
本文从零开始,讲如何用 torch.profiler 的 Neuron 扩展配置采集 trace,并借 Neuron Explorer 把一段 RMSNorm 计算从框架派发追到 NeuronCore 执行。
需自备可使用的 AWS Trainium 环境与 torch-neuronx 包(原站未说明具体获取方式),以及 Neuron Explorer 的访问方式。
准备工具和账号
标“选用”的可以跳过。
- PyTorch 运行待剖析的 RMSNorm 示例代码
- torch-neuronx(TorchNeuron) 提供 Neuron 后端与示例脚本
- Neuron Explorer 浏览器查看系统 trace 与设备时间线
- 示例脚本目录 复现文中三份 RMSNorm 剖析脚本
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://huggingface.co/blog/amazon/profiling-torchneuron-part-1 我的系统:macOS。如果实际不符,先调整方案。 本次路线:macOS:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:用文中三份 RMSNorm 脚本(朴素算子、torch.rms_norm、torch.compile)重复剖析,对比 key_averages() 中算子数量与设备时间的变化,总结融合与编译对执行路径的影响。 课节(官方顺序): 1. Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium:https://huggingface.co/blog/amazon/profiling-torchneuron-part-1 1. 环境 - 可访问 Trainium 的 Linux 环境与 SSH 隧道(或用 VS Code 扩展) - 上游 PyTorch 与 torch-neuronx - 浏览器访问 Neuron Explorer - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方课程页面:只记录链接 https://huggingface.co/blog/amazon/profiling-torchneuron-part-1 3. 目录(最外层放在我确认的位置) profiling-torchneuron-part1/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-profiling-torchneuron-part-1-system/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.sh,逐项检查并记录“通过/未通过”: - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。使用当前系统的终端运行。 - python -c "import torch, torch_neuronx; print(torch.__version__)" → 打印 PyTorch 版本且无导入错误 - 打开输出目录确认 trace.json 存在 → 存在 trace.json;若抓取设备数据则还有配对的 .neff 与 .ntff 文件 - 在 Neuron Explorer 中打开上传的 profile → 能看到 framework、runtime、hardware 三类车道及其事件 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
profiling-torchneuron-part1/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-profiling-torchneuron-part-1-system/
常见问题
免费吗?
免费:网页为公开的“Enterprise Article”,节选里可直接读到主要正文、代码与配置,未见付费墙或登录拦截。实践费用待核验:复现剖析需要 Trainium 硬件实例,网页未说明是否需要付费以及费用情况。
需要什么基础?
需要能编写和运行 PyTorch 代码,了解张量与常见算子;文章自称不需要剖析经验。软件、账号与硬件:需自备可使用的 AWS Trainium 环境与 torch-neuronx 包(原站未说明具体获取方式),以及 Neuron Explorer 的访问方式。
有中文吗?
本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。
怎么开始?
从原始资源入口开始:https://huggingface.co/blog/amazon/profiling-torchneuron-part-1。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:AWS Trainium 加速器实例(运行 device='neuron' 的剖析代码)、Trainium 实例与相关云资源可能产生费用(原站未说明)。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-28原站首次发布 2026-10-22
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。