تم استخدام TraceML، وهو أداة تشخيص تدريب PyTorch مفتوحة المصدر، لإعادة إنتاج انحدار معروف في تدريب LeRobot وقياس تأثير الإصلاح #2408 من المستودع الرئيسي. أظهر التحليل أنه على الرغم من أن معظم عمليات جلب DataLoader كانت سريعة، إلا أن عمليات الجلب المتكررة كانت تستغرق أكثر من خمس ثوانٍ سابقًا.

  • انخفض وقت الخطوة من حوالي 1500ms إلى 117ms بعد الإصلاح.
  • انخفض وقت جلب CPU DataLoader من ~1375ms إلى 1.5ms في الزوج الأول ومن ~1427ms إلى 1.3ms في الزوج الثاني.
  • ظل وقت الحوسبة مستقرًا حول 110–116ms، مما يؤكد تحول عبء العمل من INPUT-BOUND إلى COMPUTE-BOUND.

تساعد الأداة في تحديد أين يذهب الوقت الإضافي عندما يتباطأ التدريب بعد تغيير عن طريق قياس الحلقة التدريبية ومقارنة التوقيتات بين تشغيلين.