你是否有遇到过这样的问题，从同事那里接手了1份古代代码想要修改，却看得头昏脑胀，不知从哪里改起？
快使用同事追踪器吧！
同事追踪器使用数十种名贵药材，历经9年烹饪，并加入了珍稀的莉沫酱提取物，可以快速解决你的1切问题！
假如你的同事写了这样1个工程，它用来煎几个荷包蛋然后吃掉，虽然听起来很简单但是实际上有1000行。
但是它上线以后经常崩溃，得尽快调查1下出错的原因。
eggs = [*range(5)]
锅里 = []
餐桌 = []
def 打破(egg):
try:
import 奇怪的第三方库
except Exception:
...
def 翻面(egg):
马: None
def 铲出来():
global 锅里
t = 锅里
锅里 = []
return t
def 下锅(egg):
锅里.append(egg)
def 煎蛋(eggs):
for egg in eggs:
打破(egg)
下锅(egg)
for _ in range(3):
[*map(翻面, 锅里)]
res = 铲出来()
return res
def 做菜():
菜 = []
for i in range(0, len(eggs), 2):
菜.extend(煎蛋(eggs[i:i + 2]))
return 菜
def 上桌(t):
餐桌.extend(t)
def 吃掉(egg):
...
t = 做菜()
上桌(t)
for egg in 餐桌:
吃掉(egg)接下来，只要你在入口文件的头部加上同事追踪器，然后重新运行代码——
from cotrace import auto_call_trace
auto_call_trace([__file__])就可以看到代码打印出了每个函数的实际调用关系和执行顺序啦！
时间 | 函数名 位置 | 次数
==================================================
0.065|<module> [L1, 菜.py]|
0.065| 做菜 [L33, 菜.py]|
0.065| 煎蛋 [L25, 菜.py]|
0.066| 打破 [L11, 菜.py]|
0.067| 下锅 [L23, 菜.py]|
0.067| 打破 [L11, 菜.py]|
0.068| 下锅 [L23, 菜.py]|
0.068| 翻面 [L16, 菜.py]| * 6
0.068| 铲出来 [L18, 菜.py]|
0.069| 煎蛋 [L25, 菜.py]|
0.069| 打破 [L11, 菜.py]|
0.069| 下锅 [L23, 菜.py]|
0.070| 打破 [L11, 菜.py]|
0.071| 下锅 [L23, 菜.py]|
0.071| 翻面 [L16, 菜.py]| * 6
0.071| 铲出来 [L18, 菜.py]|
0.071| 煎蛋 [L25, 菜.py]|
0.071| 打破 [L11, 菜.py]|
0.072| 下锅 [L23, 菜.py]|
0.072| 翻面 [L16, 菜.py]| * 3
0.073| 铲出来 [L18, 菜.py]|
0.073| 上桌 [L38, 菜.py]|
0.073| 吃掉 [L40, 菜.py]| * 5
我们只需要读同事追踪器的结果，就可以理清这段代码的逻辑:
蛋有5个，煎蛋被调用了3次，各煎了2/2/1个蛋，说明它是分块操作的。
每次煎蛋前要把蛋依次打破和下锅，全部下锅完了之后再1个1个翻面。最后再1口气铲出来。
最后再把5个蛋1起端上桌，然后1个1个吃掉。
然后我们就可以快速地发现代码里可以优化的地方，比如:
-
上桌不是逐元素操作，可能蛋太多了1次端不上来？
-
煎蛋的流程太长了，可能前面的蛋最后都凉了？
之后你就可以有针对性地去优化同事的代码啦。
你需要1个Python3.6以上版本，并通过pip安装cotrace。
pip install git+https://github.com/RimoChan/cotrace.git
安装好以后就可以import cotrace来使用啦。
接口说明:
def auto_call_trace(paths, *, width=None, indent=2): ...-
paths: 需要追踪的文件的路径列表。当函数所在的文件(或其祖先目录)在这个列表里就会被追踪。
追踪当前文件可以用[__file__]。
追踪当前文件夹可以用[__file__+'/..']。 -
width: 输出的宽度，不指定的话就会以控制台宽度输出。 -
indent: 输出的缩进格数，调用栈每增加1层就会缩进1级。
比如，想要观察stable diffusion模型运行中，unet的耗时情况，可以这样用——
import torch
from diffusers import StableDiffusionXLPipeline
from cotrace import auto_call_trace
pipe = StableDiffusionXLPipeline.from_single_file(
"ConfusionXL5.0_fp16_vae.safetensors",
torch_dtype=torch.float16,
).to("cuda")
# 加上这1行
auto_call_trace(['E:/python311/Lib/site-packages/diffusers/models/unets'], width=152)
pipe(
prompt=['1girl'],
negative_prompt=['worst quality, low quality'],
guidance_scale=7,
generator=torch.Generator(device='cuda').manual_seed(1),
)就会得到以下输出:
时间 | 函数名 位置 | 次数
==================================================================================================================================================================
0.308|<module> [L1, c:\Users\我\Desktop\s\0t.py]|
0.308| context_decorator.<locals>.decorate_context [L113, E:\python311\Lib\site-packages\torch\utils\_contextlib.py]|
0.308| StableDiffusionXLPipeline.__call__ [L819, E:\python311\Lib\site-packages\diffusers\pipelines\stable_diffusion_xl\pipeline_stable_diffusion_xl.py]|
0.309| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.309| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.309| UNet2DConditionModel.forward [L1039, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.309| UNet2DConditionModel.get_time_embed [L909, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.324| UNet2DConditionModel.get_class_embed [L935, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.324| UNet2DConditionModel.get_aug_embed [L951, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.326| UNet2DConditionModel.process_encoder_hidden_states [L1003, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.399| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.399| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.400| DownBlock2D.forward [L1364, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.454| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.454| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.454| CrossAttnDownBlock2D.forward [L1241, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.481| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.481| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.482| CrossAttnDownBlock2D.forward [L1241, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.545| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.545| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.546| UNetMidBlock2DCrossAttn.forward [L847, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.560| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.560| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.560| CrossAttnUpBlock2D.forward [L2482, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.811| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.811| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.811| CrossAttnUpBlock2D.forward [L2482, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.833| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.833| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.833| UpBlock2D.forward [L2617, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.933| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.933| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.933| UNet2DConditionModel.forward [L1039, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.933| UNet2DConditionModel.get_time_embed [L909, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.934| UNet2DConditionModel.get_class_embed [L935, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.934| UNet2DConditionModel.get_aug_embed [L951, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.935| UNet2DConditionModel.process_encoder_hidden_states [L1003, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_condition.py]|
0.935| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.935| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.936| DownBlock2D.forward [L1364, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.939| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.940| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.940| CrossAttnDownBlock2D.forward [L1241, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.949| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.949| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.949| CrossAttnDownBlock2D.forward [L1241, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.975| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.975| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.975| UNetMidBlock2DCrossAttn.forward [L847, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
0.990| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.990| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
0.990| CrossAttnUpBlock2D.forward [L2482, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
1.023| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
1.023| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
1.023| CrossAttnUpBlock2D.forward [L2482, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
1.031| Module._wrapped_call_impl [L1549, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
1.031| Module._call_impl [L1555, E:\python311\Lib\site-packages\torch\nn\modules\module.py]|
1.031| UpBlock2D.forward [L2617, E:\python311\Lib\site-packages\diffusers\models\unets\unet_2d_blocks.py]|
如果你觉得同事追踪器对你的工作或学习有所帮助，欢迎给作者送1些萝莉同事过来。
就这样，大家88，我要回去提炼莉沫酱了！
