mindspore v1.1使用体验，根据官网资料对retinaface_resnet50写summary和profiler

一． 运行环境
MindSpore版本号：1.1.0；
硬件平台：GPU；
Python版本号：3.7.5；
操作系统：linux Ubuntu
二． 运行步骤
1.下载最新版本并安装

1. 下载https://gitee.com/mindspore/mindspore.git仓库，修改retinaface_resnet50网络，添加写Summary和profiler的逻辑
   按照官网资料https://www.mindspore.cn/tutorial/training/zh-CN/r1.1/advanced_use/performance_profiling_gpu.html 教程 “收集Summary数据”、“性能调试（Ascend）”、“性能调试（GPU）”三个章节修改retinaface_resnet50网络脚本
   如修改profiler，只需要修改model_zoo/official/cv/retinaface_resnet50/train.py：
2. from mindspore.profiler import Profiler
3. 在context.set_context(mode=context.GRAPH_MODE, device_target='GPU', save_graphs=False)之后初始化profiler
   profiler = Profiler(output_path="...")
4. train方法最后收集profiler数据

   train end and collect Profiler data

   profiler.analyse()

三． 体验总结
summary和profiler基本功能可用，使用限制较多，如summary对数据类型的支持不完整，不支持dict类型数据的summary收集；profiler多P对profiler init 和NCCL的init()的位置有限制，GPU和Ascend的位置关系限制不一致。
多卡使用场景存在写多个profiler目录/summary文件的问题。
运行用例生成的summary和profiler文件

四． 建议
建议尽量减少限制，如summary proto提供对不同数据类型的支持，程序内部 如profiler init 内部对初始化逻辑进行处理等。