性能剖析

GeneLab 通过 genelab.rl.maybe_profile 把 profiler 标志转发给 torch.profiler。

启用性能剖析

genelab train TASK_ID \
  --prof \
  --prof-active 3 \
  --prof-repeat 1 \
  --max_iterations 10

打开 trace：

genelab prof open                       # 默认 logs/torch_profile
genelab prof open <log_dir>             # 指定目录
genelab prof open <log_dir> --port 6007 # 指定 TensorBoard 端口
genelab prof open <log_dir> --host 0.0.0.0

标志

标志	等价环境变量	含义（默认）
--prof	GENELAB_PROFILE	启用 profiling。
--prof-out PATH	GENELAB_PROFILE_OUT	TensorBoard trace 目录。
--prof-wait N	GENELAB_PROFILE_WAIT	初始等待步数（10）。
--prof-warmup N	GENELAB_PROFILE_WARMUP	记录前 warmup 步数（5）。
--prof-active N	GENELAB_PROFILE_ACTIVE	每个周期记录的步数（10）。
--prof-repeat N	GENELAB_PROFILE_REPEAT	周期数（2）。
--prof-record-shapes	GENELAB_PROFILE_RECORD_SHAPES	记录 tensor shape。
--prof-with-stack	GENELAB_PROFILE_WITH_STACK	捕获 Python stack，开销更高。

命令行标志始终优先于环境变量。

实用默认值

先跑短 profile。GeneLab 的 RL loop 每个 env step 推进一次 profiler step，大规模 vectorized run 的 trace 会增长很快。

分布式运行

只有 main process 写 profiler trace。profile 分布式训练时保持 --prof-active 较小。

prof open 前置条件

• tensorboard 必须在 PATH 上（uv pip install tensorboard，或本仓库的 rl extra）。
• 指定的目录必须存在；空目录是合法的。

另见

• 运行 RL 实验
• CLI 参考