「Inductor-2」Inductor调试工具

PyTorch 的 TORCH_LOGS 环境变量用于控制编译流程中各个阶段的日志输出。通过设置不同的模块名称，可以打印出对应阶段的详细信息，帮助调试或理解 torch.compile 的内部过程。

1. 使用方法

设置环境变量：export TORCH_LOGS="+module1,+module2" 或 TORCH_LOGS="module1,module2"
使用 + 表示添加到默认日志（默认只有错误），- 表示排除某个模块
使用 all 打开所有日志
使用 help 查看所有可用模块（例如 TORCH_LOGS=help python script.py）

2. 常用模块及对应阶段

前端捕获（TorchDynamo）

模块名	打印内容
`dynamo`	图捕获的整体信息，如进入/退出编译、guard 失败、图断裂等
`guards`	记录并打印生成的 guards（形状/类型假设）
`bytecode`	显示 Dynamo 处理前后的 Python 字节码
`graph`	打印捕获到的 FX 图（可读形式）
`graph_code`	打印 FX 图的 Python 代码表示
`output_code`	打印最终生成的内核源码（包括 Triton/C++）
`recompiles`	打印触发重新编译的原因

自动微分与分解（AOTAutograd）

模块名	打印内容
`aot_autograd`	AOTAutograd 的总体信息，如前向/反向图生成
`aot_graphs`	打印 AOTAutograd 生成的前向和反向图
`aot_joint_graph`	打印前向+反向联合图（优化前）
`aot_forward_graph`	仅打印前向图
`aot_backward_graph`	仅打印反向图
`decompositions`	打印算子分解过程

后端编译（Inductor）

模块名	打印内容
`inductor`	Inductor 的总体调度信息，如融合决策、内存规划
`schedule`	打印调度器生成的节点及融合情况
`fusion`	详细显示算子融合的过程
`kernel_code`	打印每个生成的内核源码（C++ 或 Triton）
`triton`	Triton 内核相关的编译信息
`cpp`	C++ 代码生成相关信息
`autotuning`	自动调优过程
`memory`	内存规划与 buffer 复用信息

执行与运行时

模块名	打印内容
`dispatch`	算子分发信息
`runtime`	内核运行时的日志
`perf_hints`	性能提示（如出现拷贝、未融合等）

3. 示例

# 查看所有日志（会非常详细）
TORCH_LOGS=all python my_script.py

# 只打印 Inductor 的融合和内核代码
TORCH_LOGS="+fusion,+kernel_code" python my_script.py

# 打印 Dynamo 的图捕获和重编译原因
TORCH_LOGS="+dynamo,+recompiles" python my_script.py

# 查看可用模块列表
TORCH_LOGS=help python my_script.py