traceml

一键诊断 PyTorch 训练瓶颈，提升 GPU 利用率

TraceML 是一个开源的 PyTorch 训练性能诊断工具，旨在帮助开发者定位和解决训练过程中的性能瓶颈。它通过自动捕获和分析训练运行时的性能数据，提供可视化报告，帮助用户理解 GPU 利用率、数据加载、算子执行等环节的耗时分布。项目解决的核心问题是深度学习训练中性能问题难以定位的痛点，让开发者能够快速识别是数据瓶颈、计算瓶颈还是通信瓶颈。其核心能力包括自动性能剖析、关键指标追踪、以及生成可读性强的诊断报告，支持与现有 PyTorch 训练脚本无缝集成。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 185
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队traceopt-ai
所属国家
官网地址https://traceopt.ai
GitHubhttps://github.com/traceopt-ai/traceml
定价模式free
价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型cuda,dataloader,ddp,deep-learning,distributed-training,fsdp,gpu,hugging-face,llm-training,machine-learning,memory-leak,mlops,observability,performance-analysis,performance-monitoring,profiling,pytorch,pytorch-lightning,ray,slurm
GitHub 星标★ 185
30天Star增速
HF 下载量
上线时间2025-08-17 00:00:00
最近更新2026-09-24 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 自动捕获训练性能数据，无需手动插桩
  • 提供可视化报告，直观展示各阶段耗时
  • 聚焦 PyTorch 生态，集成简单

不足之处

  • 文档/社区待观察
  • 仅支持 PyTorch，不覆盖 TensorFlow 等其他框架

适用场景

  • PyTorch 模型训练调优
  • 定位 GPU 利用率低的原因
  • 对比不同训练配置的性能差异

替代项目

PyTorch Profiler、TensorBoard Profiler、NVIDIA Nsight Systems

项目介绍

traceml 是模型训练领域的开源项目，由 traceopt-ai 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 185。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：PyTorch模型训练调优。同类可对比的替代方案包括 PyTorch Profiler、TensorBoard Profiler、NVIDIA Nsight Systems。

上一篇：gokart

下一篇：Sklearn-genetic-opt

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13