目录

ts.metrics 软件包

子模块

ts.metrics.dimension 模块

模型服务器指标的 Dimension 类

ts.metrics.dimension 的 Dimension。维度名称[源]

基地:object

定义键值对的维度类

to_dict[来源]

返回字典

ts.metrics.metric 模块

模型服务器的度量类

ts.metrics.metric 的 Metric 中。量度名称单位维度request_id=metric_method=[来源]

基地:object

用于生成指标并将其打印到 worker 的 stdout 的类

reset)[来源]

将 Metric value 重置为 0

to_dict[来源]

返回一个 Ordered Dictionary

updatevalue[来源]

Metric 类的更新函数

参数

valueintfloat) – 要更新的指标

ts.metrics.metric_collector 模块

系统指标和进程指标脚本的单一起点

ts.metrics.metric_encoder 模块

用于 json 转储的 Metric Encoder 类

ts.metrics.metric_encoder 类MetricEncoder*skipkeys =Falseensure_ascii=Truecheck_circular=Trueallow_nan=Truesort_keys=Falseindent=Noneseparators=Nonedefault=None[来源]

基地:JSONEncoder

用于 json 编码 Metric Object 的 Encoder 类

defaultobj[来源]

仅当对象为 Metric 类型时覆盖

ts.metrics.metrics_store模块

指标采集模块

ts.metrics.metrics_store 类MetricsStorerequest_idsmodel_name[来源]

基地:object

荒废的 用于创建、修改不同指标的类。并将它们保存在字典中

add_counternamevalueidx=Nonedimensions=None[来源]

添加计数器指标或增加现有计数器指标

参数
  • namestr) – 指标名称

  • valueint) – 指标的值

  • idxint) – 批量request_id索引

  • dimensionslist) – 指标的维度列表

add_errornamevaluedimensions=None[来源]

添加错误指标 :p aram name:指标名称 :type name: str :p aram value:metric 的值,在本例中为 str :type 值: str :p aram dimensions:量度的维度列表 :type dimensions: list

add_metric名称单位idx=dimensions=[来源]

添加具有自定义量度的通用量度

参数
  • namestr) – 指标名称

  • valueintfloat) – 度量值

  • idxint) – 批量request_id索引

  • unitstr) – 公制单位

  • dimensionslist) – 指标的维度列表

add_percentnamevalueidx=Nonedimensions=None[来源]

添加基于百分比的量度

参数
  • namestr) – 指标名称

  • valueintfloat) – 度量值

  • idxint) – 批量request_id索引

  • dimensionslist) – 指标的维度列表

add_size名称idx=单位='MB'dimensions=[来源]

添加基于大小的量度

参数
  • namestr) – 指标名称

  • valueintfloat) – 度量值

  • idxint) – 批量request_id索引

  • unitstr) – 公制单位,此处默认为 'MB'、'kB'、'GB'

  • dimensionslist) – 指标的维度列表

add_timenamevalueidx=Noneunit='ms'dimensions=None[来源]

添加基于时间的指标,如 latency,默认单位为 'ms'

参数
  • namestr) – 指标名称

  • valueint) – 指标的值

  • idxint) – 批量request_id索引

  • unitstr) - 公制单位,这里默认是ms,s也被接受

  • dimensionslist) – 指标的维度列表

ts.metrics.process_memory_metric 模块

在此处收集进程内存使用情况指标 传递 json、pids 和 gpuID 的集合

ts.metrics.process_memory_metric。check_process_mem_usagestdin[来源]
结果

mem_utilization

返回类型

ts.metrics.process_memory_metric。get_cpu_usagepid[来源]

将 psutil 用于 CPU 内存 :p aram pid: str :return: 整数

ts.metrics.system_metrics模块

用于收集前端系统指标的模块

ts.metrics.system_metrics。collect_allmodnum_of_gpu[来源]

收集所有系统指标。

参数
  • 模组

  • num_of_gpu

结果

ts.metrics.system_metrics。cpu_utilization[来源]
ts.metrics.system_metrics。disk_available[来源]
ts.metrics.system_metrics。disk_used[来源]
ts.metrics.system_metrics。disk_utilization[来源]
ts.metrics.system_metrics。gpu_utilizationnum_of_gpu[来源]

收集 GPU 指标。

参数

num_of_gpu

结果

ts.metrics.system_metrics。memory_available[来源]
ts.metrics.system_metrics。memory_used[来源]
ts.metrics.system_metrics。memory_utilization[来源]

ts.metrics.unit 模块

定义 Unit 映射的模块

ts.metrics.unit 的 API 中。单位[来源]

基地:object

定义元素单元

模块内容

这是所有 python 工作线程指标的文件夹。

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源