评价此页
★ ★ ★ ★ ★

torch._logging.set_logs#

torch._logging.set_logs(*, all=None, dynamo=None, aot=None, autograd=None, dynamic=None, inductor=None, distributed=None, c10d=None, ddp=None, fsdp=None, dtensor=None, onnx=None, bytecode=False, aot_graphs=False, aot_joint_graph=False, ddp_graphs=False, graph=False, graph_code=False, graph_code_verbose=False, graph_breaks=False, graph_sizes=False, guards=False, recompiles=False, recompiles_verbose=False, trace_source=False, trace_call=False, trace_bytecode=False, output_code=False, kernel_code=False, schedule=False, perf_hints=False, pre_grad_graphs=False, post_grad_graphs=False, ir_pre_fusion=False, ir_post_fusion=False, onnx_diagnostics=False, fusion=False, overlap=False, export=None, modules=None, cudagraphs=False, sym_node=False, compiled_autograd=False, compiled_autograd_verbose=False, cudagraph_static_inputs=False, benchmarking=False, autotuning=False, graph_region_expansion=False, inductor_metrics=False, hierarchical_compile=False)[源代码]#

设置各个组件的日志级别并切换各个日志工件类型。

警告

此功能为原型功能，未来版本中可能会发生不兼容的更改。

注意

环境变量 TORCH_LOGS 对此函数具有完全的优先权，因此如果已设置，则此函数无效。

组件是一组相关的 PyTorch 功能。来自特定组件的所有日志消息都有自己的日志级别。如果特定消息的日志级别优先级大于或等于其组件的日志级别设置，则会发出该消息。否则，它将被抑制。这允许您例如静默大量与您无关的日志消息，并提高与您相关的组件的日志详细程度。按优先级从高到低排序的预期日志级别值包括：

  • logging.CRITICAL

  • logging.ERROR

  • logging.WARNING

  • logging.INFO

  • logging.DEBUG

  • logging.NOTSET

有关日志级别的更多信息，请参阅 Python logging 模块的文档：https://docs.pythonlang.cn/3/library/logging.html#logging-levels

工件是特定类型的日志消息。每个工件都分配给一个父组件。一个组件可以发出多种类型的工件。通常，如果参数列表中对应的设置已打开，或者其父组件的日志级别小于或等于该工件的日志级别，则会发出该工件。

关键字参数

  • all (Optional[int]) – 所有组件的默认日志级别。默认值：logging.WARN

  • dynamo (Optional[int]) – TorchDynamo 组件的日志级别。默认值：logging.WARN

  • aot (Optional[int]) – AOTAutograd 组件的日志级别。默认值：logging.WARN

  • autograd (Optional[int]) – autograd 的日志级别。默认值：logging.WARN

  • inductor (Optional[int]) – TorchInductor 组件的日志级别。默认值：logging.WARN

  • dynamic (Optional[int]) – 动态形状的日志级别。默认值：logging.WARN

  • distributed (Optional[int]) – 是否记录 PyTorch Distributed 组件中的 c10d 通信操作和其他调试信息。默认值：logging.WARN

  • c10d (Optional[int]) – 是否记录 PyTorch Distributed 组件中与 c10d 通信操作相关的调试信息。默认值：logging.WARN

  • ddp (Optional[int]) – 是否记录 PyTorch Distributed 组件中与 DistributedDataParallel``(DDP) 相关的调试信息。默认值：logging.WARN

  • fsdp (Optional[int]) – 是否记录 PyTorch Distributed 组件中与 FullyShardedDataParallel``(FSDP) 相关的调试信息。默认值：logging.WARN

  • dtensor (Optional[int]) – 是否记录 PyTorch Distributed 组件中与 DTensor``(DTensor) 相关的调试信息。默认值：logging.WARN

  • onnx (Optional[int]) – ONNX 导出器组件的日志级别。默认值：logging.WARN

  • bytecode (bool) – 是否发出 TorchDynamo 生成的原始字节码和生成的字节码。默认值：False

  • aot_graphs (bool) – 是否发出 AOTAutograd 生成的图。默认值：False

  • aot_joint_graph (bool) – 是否发出 AOTAutograd 生成的前向-后向联合图。默认值：False

  • ddp_graphs (bool) – 是否发出 DDPOptimizer 生成的图。默认值：False

  • graph (bool) – 是否以表格格式发出 TorchDynamo 捕获的图。默认值：False

  • graph_code (bool) – 是否发出 TorchDynamo 捕获的图的 Python 源代码。默认值：False

  • graph_code_verbose (bool) – 是否发出图代码的详细/中间 FX 传递日志。默认值：False

  • graph_breaks (bool) – 是否发出 TorchDynamo 遇到的图中断。默认值：False

  • graph_sizes (bool) – 是否发出 TorchDynamo 捕获的图的张量大小。默认值：False

  • guards (bool) – 是否为每个编译的函数发出 TorchDynamo 生成的 guard。默认值：False

  • recompiles (bool) – 每次 TorchDynamo 重新编译函数时，是否发出 guard 失败原因和消息。默认值：False

  • recompiles_verbose (bool) – 在 TorchDynamo 重新编译函数时，是否发出所有 guard 失败原因，即使是那些未实际运行的。默认值：False

  • trace_source (bool) – 当 TorchDynamo 开始跟踪新行时是否发出。默认值：False

  • trace_call (bool) – 当 TorchDynamo 创建对应于函数调用的 FX 节点时，是否发出详细的行位置。仅限 Python 3.11+。默认值：False

  • trace_bytecode (bool) – 当 TorchDynamo 跟踪字节码时，是否发出字节码指令和跟踪的堆栈状态。默认值：False

  • output_code (bool) – 是否在每个图的基础上发出 TorchInductor 输出代码。默认值：False

  • kernel_code (bool) – 是否在每个内核的基础上发出 TorchInductor 输出代码。默认值：False

  • schedule (bool) – 是否发出 TorchInductor 调度。默认值：False

  • perf_hints (bool) – 是否发出 TorchInductor 性能提示。默认值：False

  • pre_grad_graphs (bool) – 是否在 inductor grad 传递之前发出图。默认值：False

  • post_grad_graphs (bool) – 是否在 post grad 传递之后发出生成的图。默认值：False

  • ir_pre_fusion (bool) – 是否在 inductor fusion 传递之前发出图。默认值：False

  • ir_post_fusion (bool) – 是否在 inductor fusion 传递之后发出图。默认值：False

  • onnx_diagnostics (bool) – 是否在日志中发出 ONNX 导出器诊断信息。默认值：False

  • fusion (bool) – 是否发出详细的 Inductor fusion 决策。默认值：False

  • overlap (bool) – 是否发出详细的 Inductor 计算/通信重叠决策。默认值：False

  • sym_node (bool) – 是否为各种 SymNode 操作发出调试信息。默认值：False

  • export (Optional[int]) – export 的日志级别。默认值：logging.WARN

  • benchmarking (bool) – 是否发出详细的 Inductor 基准测试信息。默认值：False

  • modules (dict) – 此参数提供了一种替代方法来指定上述日志组件和工件设置，格式为作为单个参数给出的关键字参数字典。以下两种情况很有用：(1) 如果已注册新的日志组件或工件，但此函数尚未为其添加关键字参数，以及 (2) 如果需要设置未注册模块的日志级别。这可以通过将完全限定的模块名称作为键，将日志级别作为值来完成。默认值：None

  • cudagraph_static_inputs (bool) – 是否发出 cudagraph 静态输入检测的调试信息。默认值：False

  • autotuning (bool) – Autotuning 选择日志，例如内核源代码、性能和调优参数。默认值：False

  • graph_region_expansion (bool) – 是否发出重复图区域跟踪器扩展算法的详细步骤。默认值：False

  • inductor_metrics (bool) – 是否估算图中节点的运行时间并将其记录到指标表中。默认值：False

  • hierarchical_compile (bool) – 是否发出分层编译的调试信息。默认值：False

示例

>>> import logging

# The following changes the "dynamo" component to emit DEBUG-level
# logs, and to emit "graph_code" artifacts.

>>> torch._logging.set_logs(dynamo=logging.DEBUG, graph_code=True)

# The following enables the logs for a different module

>>> torch._logging.set_logs(modules={"unregistered.module.name": logging.DEBUG})
在此页面上
显示源代码
PyTorch 库