测量 python 中 tesorflow 的 cpu 使用/执行时间

Question

我想比较两个 tensorflow 程序，我的假设是其中一个程序的 CPU 使用率较低。 我不太确定我应该使用 time.clock() 还是 time.time()。 我目前使用python2。

start = time.time()
for _ in range(100):
   sess.run(main.op)
end = time.time()
print((end - start)/100)

# or use clock to measure cpu time.
start = time.clock()
for _ in range(100):
   sess.run(main.op)
end = time.clock()
print((end - start)/100)

我认为 'time.time()' 将测量执行时间，也可以将其视为延迟（一个线程可能等待另一个线程），而 'time.clock()' 将测量 cpu 时间（总 cpu时间，线程之间没有等待时间）。

如果我想知道我的程序是否会降低 CPU 使用率，我应该关注 'time.clock()'，对吗？

另一个问题是“time.clock()”是否能正确测量 Tensorflow 程序的 CPU 时间？

Answer 1

您可以使用psutil从 python 获取 CPU 使用率、memory 使用率、磁盘使用率等。 这真的很简单。 这是一个例子。

import psutil

print(psutil.cpu_percent()) # for cpu usage
print(psutil.cpu_freq()) # for cpu frequncy
print(psutil.cpu_freq(True)) # for cpu frequency per core
print(psutil.disk_usage('/')) # for disk usage
print(psutil.virtual_memory()) # for RAM
print(psutil.sensors_temperatures()) # It might be CPU, Disk or other  hardware depending on config.

他们有很好的文档，请查看他们的文档。