قام المؤلف بدمج أداة تشخيص في TraceML، وهو مشروع مفتوح المصدر لمراقبة PyTorch، لمساعدة المستخدمين على التمييز بين مشاكل أداء التدريب المحدودة بحوسبة GPU والمحدودة بالإدخال. تتيح هذه الميزة الجديدة للمطورين تحديد ما إذا كان انخفاض استخدام GPU ناتجًا عن تحميل البيانات البطيء أم حدود حوسبة النموذج الفعلية.
- يضيف الدمج `TraceMLTrainerCallback` إلى `Trainer` الخاص بـ Hugging Face، مما يتطلب تغييرات إعداد دنيا.
- يفصل وقت انتظار الإدخال عن عمل الخطوة لتقديم حكم عملي حول نوع الاختناق.
- أظهر مثال في Colab باستخدام ResNet-50 أن ضبط إعدادات DataLoader غيّر التشخيص من محدود بالإدخال إلى محدود بالحوسبة وحسّن السرعة بنسبة 1.83×.
تساعد هذه الأداة المستخدمين على تجنب تحسين المكون الخاطئ من خلال توضيح القيد المحدد الذي يؤثر على عمليات التدريب الخاصة بهم.