test-profiler.lua

   1 #!/usr/bin/env luajit
   2
   3 --[[
   4
   5    Written by Francois Fleuret (francois@fleuret.org)
   6
   7    This is free and unencumbered software released into the public
   8    domain.
   9
  10    Anyone is free to copy, modify, publish, use, compile, sell, or
  11    distribute this software, either in source code form or as a
  12    compiled binary, for any purpose, commercial or non-commercial, and
  13    by any means.
  14
  15    In jurisdictions that recognize copyright laws, the author or
  16    authors of this software dedicate any and all copyright interest in
  17    the software to the public domain. We make this dedication for the
  18    benefit of the public at large and to the detriment of our heirs
  19    and successors. We intend this dedication to be an overt act of
  20    relinquishment in perpetuity of all present and future rights to
  21    this software under copyright law.
  22
  23    THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,
  24    EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
  25    MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
  26    NONINFRINGEMENT.  IN NO EVENT SHALL THE AUTHORS BE LIABLE FOR ANY
  27    CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF
  28    CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION
  29    WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
  30
  31    For more information, please refer to <http://unlicense.org/>
  32
  33 ]]--
  34
  35 require 'torch'
  36 require 'nn'
  37
  38 require 'profiler'
  39
  40 -- Create a model
  41
  42 local w, h, fs = 50, 50, 3
  43 local nhu =  (w - fs + 1) * (h - fs + 1)
  44
  45 local model = nn.Sequential()
  46    :add(nn.Sequential()
  47            :add(nn.SpatialConvolution(1, 1, fs, fs))
  48            :add(nn.Reshape(nhu))
  49            :add(nn.Linear(nhu, 1000))
  50            :add(nn.ReLU())
  51        )
  52    :add(nn.Linear(1000, 100))
  53
  54 -- Decor it for profiling
  55
  56 profiler.decorate(model)
  57 print()
  58
  59 torch.save('model.t7', model)
  60
  61 -- Create the data and criterion
  62
  63 local input = torch.Tensor(1000, 1, h, w)
  64 local target = torch.Tensor(input:size(1), 100)
  65 local criterion = nn.MSECriterion()
  66
  67 local nbSamples = 0
  68 local modelTime = 0
  69 local dataTime = 0
  70
  71 -- Loop five times through the data forward and backward
  72
  73 for k = 1, 5 do
  74    local t1 = sys.clock()
  75
  76    input:uniform(-1, 1)
  77    target:uniform()
  78
  79    local t2 = sys.clock()
  80
  81    local output = model:forward(input)
  82    local loss = criterion:forward(output, target)
  83    local dloss = criterion:backward(output, target)
  84    model:backward(input, dloss)
  85
  86    local t3 = sys.clock()
  87
  88    dataTime = dataTime + (t2 - t1)
  89    modelTime = modelTime + (t3 - t2)
  90
  91    nbSamples = nbSamples + input:size(1)
  92 end
  93
  94 -- Print the accumulated timings
  95
  96 profiler.print(model, nbSamples, modelTime)
  97 -- profiler.print(model)
  98
  99 print()
 100 print(string.format('Total model time %.02fs', modelTime))
 101 print(string.format('Total data time %.02fs', dataTime))