[임베디드 딥러닝] gprof 프로파일러를 이용해 딥러닝 최적화하기 - 2

저번 포스트에서 gcc 컴파일 옵션에서 -pg옵션을 붙였다. 이게 뭔지 알아보자 

 

 

---

프로파일?

차근차근 보자. 프로그램을 프로파일링한다는 의미는 무엇일까?

아래와 같은 주요 측정 지표를 확인하며, 코드의 특정 부분이 얼마나 많은 리소스를 사용하는지 분석하는 과정을 포함합니다. 이를 통해 코드 최적화가 필요한 부분을 식별할 수 있다. 

1. CPU 사용 시간: 특정 함수나 코드 블록이 실행되는데 걸리는 시간. 프로파일링을 통해 어느 함수가 CPU 시간을 가장 많이 소비하는지 파악할 수 있습니다.
2. 메모리 사용량: 프로그램 실행 중에 사용된 메모리의 양을 측정합니다. 메모리 누수 문제를 파악하거나, 메모리 사용량을 최적화하는 데 유용합니다.
3. 함수 호출 횟수: 각 함수가 얼마나 자주 호출되는지를 추적합니다. 높은 호출 빈도를 가지는 함수는 성능 병목의 원인이 될 수 있습니다.

---

gprof 프로파일러 

먼저 프로그램을 컴파일하며 -pg 옵션을 준뒤, 만들어진 실행파일을 한번실행시키면 gmon.out이라는 프로파일링 파일이 생긴다. 

 

 

 

위처럼 원래 없었는데 실행시킨뒤 gmon.out 파일이 생성됨을 볼 수 있다. 

 

gmon.out 파일 생성이 확인되면 "gprof 실행 파일명 gmon.out > ~.txt"로 프로파일링 보고서를 위의 그림과 같이 텍스트 파일로 만들 수 있다. 파일을 열어보면 항목 하단에 필드의 의미가 무엇인지 설명하고 있으므로 참조한다.  

결과 프로파일링은 위와같은 화면으로 나오며, 자세한 내부 원리는 아래와 같다. 

 

1. 타이머: 

- 타이머를 통해 10ms 마다 PC를 조사하고, 시그널 핸들러가 PC 카운터를 증가시킨다.

- settimer를 통해 main 이전에 SIGPROF 시그널이 발생된다.

 

 

2. enter/exit 후킹

- 함수 호출 전에 mcount 함수 호출

- 호출 전의 PC와 호출 후의 PC를 이용하여 콜 그래프를 작성하고, 함수 호출 횟수를 기록한다. 

 

다음엔 최적화 방법 몇개를 살펴보자