torch profiler

torch profiler是一个用于性能分析和调试PyTorch代码的工具。通过使用torch.profiler模块，可以对代码的CPU和GPU运行情况进行分析，以便定位性能瓶颈和优化代码。

要安装torch-tb-profiler，可以使用以下命令：

$ pip install torch-tb-profiler

要使用torch profiler进行分析，可以使用以下代码：

import torch.profiler as profiler

with profiler.profile(record_shapes=True) as prof:
    # 运行需要分析的代码

print(prof.key_averages().table(sort_by="self_cpu_time_total"))

这会在控制台输出一个性能分析报告，显示各个操作的CPU时间和GPU时间等信息。

另外，要在TensorBoard中可视化分析结果，可以按照以下步骤安装和运行：
1. 安装TensorBoard：

$ pip install tensorboard

2. 在代码中导入torch-tb-profiler：

import torch_tb_profiler

3. 运行代码，并使用`torch_tb_profiler`提供的相关参数来配置分析：

with profiler.profile(activities=[torch.profiler.ProfilerActivity.CPU, torch.profiler.ProfilerActivity.CUDA]) as prof:
    # 运行需要分析的代码

prof.export_chrome_trace("trace.json")

4. 启动TensorBoard服务并查看分析结果：

$ tensorboard --logdir=.

这样就可以在浏览器中打开TensorBoard，并查看分析结果图表了。

参考资料：
pip install torch-tb-profiler
torch-tb-profiler的不同安装方式
使用torch.profiler进行性能分析的示例代码