Pull Request已成功合入, 合并人@ascend-robot
（感谢 ilya_a 的贡献）
变更摘要
本 PR 主要为 torch_npu profiler（基于 acl_prof）增加了对 PyTorch ExecutionTraceObserver 对象的支持：在 profile 类中新增 execution_trace_observer 参数，使 npu_profiler 在启动和停止时同步调用观测器的 start() 与 stop()，从而实现与 PyTorch 社区 profiler 一致的 Execution Trace 采集行为，并新增了相应的单元测试。
主要改动
- 新增
execution_trace_observer接口参数：在torch_npu/profiler/profiler.py的profile类构造函数中引入execution_trace_observer: _ITraceObserver | None = None，用于接收调用方传入的ExecutionTraceObserver对象，并将其保存到self.execution_trace_observer。 - 联动启动与停止 Execution Trace 观测：在
profile.start()中当execution_trace_observer存在时调用其start()，在profile.stop()中调用其stop()，使观测时间窗口与npu_profiler保持一致。 - 引入
_ITraceObserver类型：从torch.profiler.profiler导入_ITraceObserver作为新参数的类型标注。 - 新增 Execution Trace 单元测试：新增
test/profiler/test_npu_execution_trace.py，覆盖aten::gather的tensor_range记录，以及通过set_extra_resource_collection(True)和ENABLE_PYTORCH_EXECUTION_TRACE_SAVE_INTEGRAL_TENSOR_DATA验证 integral tensor 数据落盘（.dat文件）的功能。
代码审查
审查总结
已审查文件：
test/profiler/test_npu_execution_trace.py—— 发现 4 个问题（1 个 P2，3 个 P3）torch_npu/profiler/profiler.py—— 无问题（execution_trace_observer参数的传递、start()/stop()中 observer 的启停时序均与 PyTorch 社区 profiler 语义一致；类型注解_ITraceObserver | None与本仓库其它文件已使用的 PEP 604 语法一致，无兼容性问题）
问题计数（按优先级）：
- P0：0
- P1：0
- P2：1
- P3：3
整体风险判断：
生产代码改动（torch_npu/profiler/profiler.py）逻辑正确、风险低。主要问题集中在新增测试文件：其中使用 torch.profiler.schedule 而非 torch_npu.profiler.schedule 会因枚举类型不匹配使 NPU profiler 采集静默不启动，导致第二个测试无法真正验证本 PR 的集成点（P2）；另有环境变量泄漏、断言空转、死代码三个测试质量问题（P3）。建议至少修复 P2 的 schedule 误用，确保测试真正覆盖 NPU profiler 与 execution_trace_observer 的联动。
| 类型 | 数量 |
|---|---|
| 🔴 阻塞 | 0 |
| 🟡 建议 | 1 |
💬 仅评论
The following users do not have permission to comment /lgtm or /approve on any module in this PR:
eejiechu
Pull Request 已合并或已关闭。
If you want to solve this problem, you can click here to do it in the FAQs.
【合入来源】
【修改方案】
Re-used existing PyTorch Execution Trace Observer object with torch_npu profiler (based on acl_prof).
Migrated relevant unit tests from original PyTorch test_execution_trace.py
【资料变更】
New parameter is added to npu_profiler - execution_trace_observer.
Execution Trace Observer implementation with torch_npu profiler must work the same way as with PyTorch community profiler.
【接口变更】
New parameter is added to npu_profiler - execution_trace_observer.
execution_trace_observer (ExecutionTraceObserver) : A PyTorch Execution Trace Observer object.
PyTorch Execution Traces <https://arxiv.org/pdf/2305.14516.pdf>__ offer a graph basedrepresentation of AI/ML workloads and enable replay benchmarks, simulators, and emulators.
When this argument is included the observer start() and stop() will be called for the
same time window as npu_profiler.
It is the same Execution Trace Observer as the one used by PyTorch community profiler.
【功能验证】
Build, install, run:
export MAX_JOBS=2
TORCH_DEVICE_BACKEND_AUTOLOAD=0 bash ci/build.sh --python=3.11
pip install --no-deps --force-reinstall dist/torch_npu-*.whl
ASCEND_LAUNCH_BLOCKING=1 pytest -s test_npu_execution_trace.py
Test results
【CheckList】