pycharm内置profiler开箱即用，无需改代码、不装插件、不写cprofile胶水代码；启动方式为右键.py文件选profile或主菜单run→profile，分析类型（cpu/内存/行级）在启动后弹窗中单选，结果以火焰图、调用树和统计表呈现。
PyCharm内置Profiler开箱即用，无需改代码、不装插件、不写cProfile胶水代码——但必须手动选对分析类型，否则结果全是干扰项。
Profile菜单在哪点？别在Run按钮里瞎找
右键你的.py文件 → 选择 Profile 'xxx.py'；或者主菜单 Run → Profile → xxx.py。工具栏那个火焰图标只是快捷入口，本质和右键一致。别去Edit Configurations → Profiler里折腾——那里只控制“是否启用Profiler”，真正选CPU/内存/行级分析，是在启动后的弹窗里。
常见错误现象：
- 点了
Run → Profile却没反应：你当前编辑器没打开Python文件，或光标不在可执行脚本中 - 结果里看不到函数耗时：默认启动的是
CPU Profiler，但如果你的瓶颈在内存分配（比如反复创建大列表），它根本不会体现
CPU、Memory、Line三种Profiler怎么选？看瓶颈位置
启动Profiler后弹出的窗口里，有三个单选按钮：
-
CPU Profiler：查“哪段逻辑跑得慢”，适合模型前向、数据处理循环、算法函数。输出含调用树和火焰图，Own Time (ms)列才是真实耗时（排除子函数干扰） -
Memory Profiler：查“哪行代码在疯狂申请内存”，比如large_list = [i for i in range(10**6)]。需提前pip install memory_profiler，否则点击直接报错ModuleNotFoundError -
Line Profiler：查“具体哪一行卡住”，比如torch.load('model.pth')占了42秒，但它底下哪条C++调用在读磁盘？这个看不到——Line Profiler只对纯Python代码有效，对torch.load这种C扩展无效
性能影响：CPU Profiler开销约10%～15%，Memory Profiler会显著拖慢运行（因要拦截每次malloc），Line Profiler仅对标注了@profile的函数生效，其他代码无开销。
为什么火焰图里找不到自己的函数？路径和解释器要对齐
火焰图空白、函数名显示<module></module>或一堆cpython底层调用，大概率是解释器配置问题：
- 检查
File → Settings → Project → Python Interpreter，确认选中的是你实际运行代码的环境（比如conda env），不是PyCharm自带的捆绑解释器 - 确保目标脚本不在
venv/、__pycache__/或.git/目录下——PyCharm会跳过这些路径的符号解析 - 如果用了
if __name__ == '__main__':但入口不在顶层（比如包内多层嵌套），Profiler可能只分析到import阶段就结束了
一个典型坑：torch.load()在火焰图里显示为单个长条，但点进去全是_load→readinto→PyBytes_FromStringAndSize，这不是Profiler不准，是PyTorch反序列化本身就在C层完成，Python层没中间逻辑可剖。
第三方Profiler（如memory_profiler）怎么接进PyCharm？
不能只pip install就完事。必须进Settings → Tools → Python Integrated Tools，在Profiling区域填两项：
-
Memory profiler package：填memory_profiler（不是memprof或其他变体） -
Line profiler package：填line_profiler
然后重启PyCharm。否则即使你代码里写了@profile，右键Profile也只会提示Line profiler not available。另外，memory_profiler的@profile装饰器必须加在函数定义上，且该函数得被Profiler实际执行到——如果它在if False:块里，就不会被采样。
最容易被忽略的一点：PyCharm的Profiler结果页面里，Call Graph视图默认按Cumulative Time排序，但真正要优化的往往是Own Time高的节点。比如一个函数调用100次，每次自己只花0.1ms，但子函数累计2s——优化它没用；反过来，一个函数Own Time占总耗时60%，哪怕只调用1次，就是头号目标。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
