开始前，请确保您的系统已安装以下开发工具：
- Git
- C++ 编译器 (如 G++)
- CMake
- NVIDIA CUDA Toolkit
- Python 3 和 pip
我们将严格按照目录结构，依次编译依赖库和主项目。
第1步：克隆项目源码并初始化依赖
# 从 GitHub 下载项目代码
git clone https://github.com/yezhengmao1/VTimeline.git
# 进入项目根目录
cd VTimeline/
# 初始化并下载项目所需的子模块（如 spdlog 依赖库）
git submodule update --init --recursive第2步：编译并安装 **spdlog** 依赖库
所有操作均在 spdlog 自己的目录内完成。
# 进入 spdlog 库的源码目录
cd libs/spdlog/
# 创建一个独立的 build 目录并进入，这可以保持源码目录整洁
mkdir build
cd build
# 运行 cmake，它会根据当前系统环境生成编译配置文件
cmake ..
# 使用您机器的所有CPU核心进行并行编译，以加快速度
make -j$(nproc)
# 将编译好的 spdlog 库安装到系统中，以便主项目可以找到它
# 注意：这一步通常需要管理员权限（sudo）
sudo make install第3步：编译 VTimeline 主项目
spdlog 安装成功后，我们返回到 VTimeline 的项目根目录来编译主程序。
# 关键：从 spdlog/build 目录返回到 VTimeline 的项目根目录
cd ../../..
# 同样为主项目创建一个独立的 build 目录并进入
# （如果有名为 build 的旧目录，此命令会先删除它，确保一个干净的开始）
rm -rf build
mkdir build
cd build
# 运行 cmake，它使用的是项目根目录的 CMakeLists.txt 文件
cmake ..
# 编译 VTimeline 的核心 C++ 库（生成 libvtimeline.so 文件）
make -j$(nproc)这是连接 C++ 后端和 Python 前端的最后一步。
第4步：使用 pip 安装 VTimeline 的 Python 包
# 从主项目的 build 目录返回到项目根目录
cd ..
# 在项目根目录下，使用 pip 以“可编辑模式”安装 Python 包
pip install -e .第5步：最终验证
如果以上所有步骤均未报错，您的 VTimeline 已经安装成功。现在我们来验证一下。
在任何路径下打开终端，启动 Python 解释器：
python然后在 Python 交互环境中输入：
import vtimeline
print(vtimeline)# 从vtimeline按需导入监控工具
from vtimeline import vinit, TracePoint, MemTracePoint, GpuTracePoint
# 初始化logger环境
vinit()
# 使用TracePoint实现流程记录
tp = TracePoint("Generation", "Gen")
tp.begin()
...(your code)
tp.end()
# 使用MemTracePoint实现GPU mem监控
MemTracePoint.record()
# 使用GpuTracePoint实现GPU 利用率监控
GpuTracePoint.record()将log转化为json格式以可视化
python convert --input-file /workspace/log --output-file /workspace/outputps:
# 支持文件夹批量导入，需要确保文件夹结构为
- wokspace/log
- GPUTracePoint/
- MemTracePoint/
- TracePoint/
将导出.gz文件导入https://ui.perfetto.dev/即可查看，如下：
