Paddle Fluid 开发者指南
a17631544326 发布于2018-03-23 16:47 浏览:5394 回复:1
2
收藏
==1==. 为什么需要 PaddlePaddle Fluid?

两个基础问题
如何描述机器学习模型和优化过程?完备自洽,表达能力足以支持潜在出现的各种计算需求
如何充分利用资源高效计算?支持异步设备、多卡、分布式计算
降低计算/计算优化的开发成本
……

如何描述模型和优化过程?

目标

提高对各类机器学习任务的描述能力:能够描述潜在出现的任意机器学习模型。
代码结构逻辑清晰,各模块充分解耦:内外部贡献者能够专注于自己所需的功能模块,基于框架进行再次开发。
从设计上,留下技术优化的空间和潜力。
代码解耦后降低多设备支持、计算优化等的开发成本。
在统一的设计理念下,实现自动可伸缩,自动容错的分布式计算。

==2.== Design Overview

Fluid: 系统形态
编译器式的执行流程,区分编译时和运行时

让我们在Fluid程序实例中,区分编译时和运行时

Fluid 编译时
==定义前向计算==

x = fluid.layers.data(name='x',shape=[13], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=1, act=None)
y = fluid.layers.data(name='y', shape=[1], dtype='float32')
cost = fluid.layers.square_error_cost(input=y_predict, label=y)
avg_cost = fluid.layers.mean(x=cost)

==添加反向、正则、优化==

learning_rate = 0.01
sgd_optimizer = fluid.optimizer.SGD(learning_rate)
sgd_optimizer.minimize(avg_cost)

Program vs. 计算图
在科学计算领域,计算图是一种描述计算的经典方式。下图展示了从前向计算图(蓝色)开始,通过添加反向(红色)和优化算法相关(绿色)操作,构建出整个计算图的过程:

Fluid ==使用Program而不是计算图==来描述模型和优化过程。Program由Block、Operator和Variable构成,相关概念会在后文详细展开。
编译时 Fluid 接受前向计算(这里可以先简单的理解为是一段有序的计算流)Program,为这段前向计算按照:前向 反向 梯度 clip 正则 优化 的顺序,添加相关 Operator和Variable到Program到完整的计算。

Fluid 运行时
==读入数据==

train_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.uci_housing.train(), buf_size=500),
    batch_size=20)
feeder = fluid.DataFeeder(place=place, feed_list=[x, y])

==定义执行程序的设备==

place = fluid.CPUPlace()
feeder = fluid.DataFeeder(place=place,feed_list=[x, y])

==创建执行器(Executor),执行初始化 Program和训练Program==

exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
PASS_NUM = 100
for pass_id in range(PASS_NUM):
    for data in train_reader():
        avg_loss_value, = exe.run(fluid.default_main_program(),
                                  feed=feeder.feed(data),
                                  fetch_list=[avg_cost])
        print(avg_loss_value)

总结:框架做什么?用户做什么?

总结:编译时

用户编写一段Python程序,描述模型的前向计算

创建变量描述 VarDesc
创建operators的描述 OpDesc
创建operators的属性
推断变量的类型和形状,进行静态检查:inferShape
规划变量的内存复用
创建反向计算
添加优化相关的Operators
(可选)添加多卡/多机相关的Operator,生成在多卡/多机上运行的程序

总结:运行时

执行规划好的计算

创建Executor
为将要执行的一段计算,在层级式的Scope空间中创建Scope
创建Block,依次执行Block

==3==. 用户如何描述计算?

Fluid:==像写程序一样==定义计算
顺序执行

x = fluid.layers.data(name='x',shape=[13], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=1, act=None)
y = fluid.layers.data(name='y', shape=[1], dtype='float32')
cost = fluid.layers.square_error_cost(input=y_predict, label=y)

条件分支: swith、ifelse

a = fluid.Var(10)
b = fluid.Var(0)

switch = fluid.switch()
with switch.block():
   with switch.case(fluid.less_equal(a, 10)):
       fluid.print("Case 1")
   with switch.case(fluid.larger(a, 0)):
       fluid.print("Case 2")
   with switch.default():
       fluid.print("Case 3")

A Lisp cond form may be compared to a continued if-then-else as found in many algebraic programming languages.

Fluid: ==像写程序一样==定义计算
循环:while

d0 = layers.data("d0", shape=[10], dtype='float32')
data_array = layers.array_write(x=d0, i=i)
array_len = layers.fill_constant(shape=[1],dtype='int64', value=3)

cond = layers.less_than(x=i, y=array_len)
while_op = layers.While(cond=cond)
with while_op.block():
    d = layers.array_read(array=data_array, i=i)
    i = layers.increment(x=i, in_place=True)
    layers.array_write(result, i=i, array=d)
    layers.less_than(x=i, y=array_len, cond=cond)

完整实例请点查看
beam search

总结

用户层提供的描述语法具有完备性、自洽性,有能力支持对复杂计算过程描述
使用方式和核心概念可以类比编程语言,认知能够直接迁移
能够支持:定义问题,逐步求解

==3.== 核心概念

编译时概念 :==变量和计算的描述==

VarDesc + TensorDesc + OpDesc arrow_right BlockDesc arrow_right ProgramDesc

https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/framework/framework.proto

什么是 Fluid Program

在Fluid中,一个神经网络任务(训练/预测)被描述为一段Program
Program包含对Variable(数据)和 Operator(对数据的操作)的描述
Variable 和 Operator 被组织为多个可以嵌套的Block,构成一段完整的Fluid Program
编译阶段最终,经过 Transpiler 的执行规划,变换处理,生成使用protobuf序列化后的ProgramDesc。可以发送给多卡或者网络中的其它计算节点执行

编译时概念 :==Transpiler==
接受一段ProgramDesc作为输入,生成一段新的ProgramDesc

Memory optimization transpiler:向原始ProgramDesc 中插入 FreeMemoryOps,在一次迭代优化结束前提前释放内存,使得能够维持较小的 memory footprint
Distributed training transpiler:将原始的ProgramDesc中转化为对应的分布式版本,生成两段新的ProgramDesc:

trainer进程执行的ProgramDesc
parameter server执行的ProgramDesc
==WIP==: 接受一段ProgramDesc,生成可直接被gcc, nvcc, icc等编译的代码,编译后得到可执行文件

Transplier

打印 ProgramDesc

default_startup_program:创建可学习参数,对参数进行初始化
default_main_program:由用户定义的模型,包括了前向、反向、优化及所有必要的计算
打印可读的 Program

输出效果
variable in block 0
variable in block 0

 

运行时概念
数据相关

Tensor / LoDTensor / Variable
Scope
计算相关

Block
Kernel、OpWithKernel、OpWithoutKernel

执行相关 :Executor

Tensor 和 LoD(Level-of-Detail) Tensor
Tensor 是$n$-dimensional arry的推广,LoDTensor是在Tensor基础上附加了序列信息
Fluid中输入、输出,网络中的可学习参数全部统一使用LoDTensor(n-dimension array)表示
一个mini-batch输入数据是一个LoDTensor

在Fluid中,RNN 处理变长序列无需padding,得益于 LoDTensor表示
可以简单将 LoD 理解为:std::vector>
对非序列数据,LoD 信息为空

LoD 信息实例

图(a)的LoD 信息

[0, 5, 8, 10, 14]

图(b)的 LoD 信息

[[0, 5, 8, 10, 14] /*level=1*/, [0, 2, 3, 5, 7, 8, 10, 13, 14] /*level=2*/]

Tensor, Variable, Scope 之间的关系

Block 是一个实现层的概念,不在应用层暴露给用户。目前用户无法自行创建并利用Block,用户能够感知的只有Program这个概念。
逻辑上,可以将 Block 类比为编程语言中的大括号:定义了一段作用域,其中运行一段代码
Executor会为每一个Block创建一个Scope,Block是可嵌套的,因此Scope也是可嵌套的

Executor

Operator/OpWithKernel/Kernel

operator 无状态,Operator的核心是==Run==方法
一个operator可以注册多个kernel
operator 可以无 kernel:while_op 、ifelse op

Fluid Operator vs. PaddlePaddle layers

==4.== 内存管理

目标
为异构设备提供统一的内存分配、回收接口
最小化管理内存所需的时间,最小化管理开销
减少内存碎片
将内存管理与计算(Operators/Kernels)完全剥离
统一内存管理是内存优化的基础

Memory 接口
内存管理模块向上层应用逻辑提供三个基础接口:

template 
void* Alloc(Place place, size_t size);

template 
void Free(Place place, void* ptr);

template 
size_t Used(Place place);

struct Usage : public boost::static_visitor {
  size_t operator()(const platform::CPUPlace& cpu) const;
  size_t operator()(const platform::CUDAPlace& gpu) const;
};

模板参数 Place 指示内存分配发生的设备
实现时,需特化支持的 Place, 提供以上三个接口的实现

代码结构
内存管理模块可以理解为由以下两部分构成:

SystemAllocator:实际从物理设备上分配、释放的内存的接口
BuddyAllocator:内存管理算法

System Allocator
SystemAllocator 是实现物理内存分配、回收的基类

不同设备上的内存分配和回收终将转化为标准接口调用
为不同设备实现MemoryAllocator,继承自SystemAllocator

CPU/GPU Allocator
class CPUAllocator : public SystemAllocator {
 public:
  virtual void* Alloc(size_t& index, size_t size);
  virtual void Free(void* p, size_t size, size_t index);
  virtual bool UseGpu() const;
};

#ifdef PADDLE_WITH_CUDA
class GPUAllocator : public SystemAllocator {
 public:
  virtual void* Alloc(size_t& index, size_t size);
  virtual void Free(void* p, size_t size, size_t index);
  virtual bool UseGpu() const;
 private:
  size_t gpu_alloc_size_ = 0;
  size_t fallback_alloc_size_ = 0;
};
#endif

CPUAllocator和GPUAllocator分别继承自SystemAllocator,分别调用相应的标准库函数实现物理内存的分配和释放。
一旦大块、连续的物理内存分配之后,将通过内存管理算法实现内存的按块分配、回收、重用等。

CPU Allocator
CPU 内存的分配提供两种选项:

non-pinned memory:可分页内存
pinned memory:页锁定内存分配过大的页锁定内存有可能因为系统可使用的分页内存减少,影响系统性能,默认CPU下分配的是可分页内存
通过gflags进行设置一次性分配内存的大小以及是否使用页锁定内存。

DEFINE_bool(use_pinned_memory, true, "If set, allocate cpu pinned memory.");
DEFINE_double(fraction_of_cpu_memory_to_use, 1,
              "Default use 100% of CPU memory for PaddlePaddle,"
              "reserve the rest for page tables, etc");

GPU Allocator
通过 cudaMalloc 分配GPU显存
GPUAllocator::Alloc 首先会计算指定GPU device上的可用显存

如果可用显存小于请求分配大小,调用cudaMalloc进行分配
如果可用显存不足,目前会报错退出。
通过gflags控制GPU下一次性分配显存的大小:

DEFINE_double(fraction_of_gpu_memory_to_use, 0.92,
              "Default use 92% of GPU memory for PaddlePaddle,"
              "reserve the rest for page tables, etc");

内存管理算法: Buddy Memory Allocation
Memory Arena:一次性分配大块连续内存,之后会基于这块内存进行内存管理:动态分配、释放、重用内存块。
伙伴内存分配:将内存划分为 2 的幂次方个分区,使用 best-fit 方法来分配内存请求。
当释放内存时,检查 buddy 块,查看相邻的内存块是否也已被释放。如果是,将内存块合并,以最小化内存碎片。
分配的内存在物理内存的自然边界对齐,提高内存访问效率。
算法的时间效率高,单使用 best-fit 方法的缘故,会产生一定的内存浪费

Buddy Allocator
BuddyAllocator 是一个单例,每个设备(如: GPU/CPU(0)/GPU(1)) 拥有一个BuddyAllocator
BuddyAllocator 内部拥有一个私有成员变量 SystemAllocator
当请求的内存超过BuddyAllocator管理的空余内存时,将会调用SystemAllocator去指定的设备上分配物理内存

实例:CPU 下内存管理接口的实现
对上层应用,统一通过BuddyAllocator来实现内存的分配、释放以及用量查询

template <>
void* Alloc(platform::CPUPlace place, size_t size) {
  VLOG(10) << "Allocate " << size << " bytes on " << platform::Place(place);
  void* p = GetCPUBuddyAllocator()->Alloc(size);
  VLOG(10) << "  pointer=" << p;
  return p;
}

template <>
void Free(platform::CPUPlace place, void* p) {
  VLOG(10) << "Free pointer=" << p << " on " << platform::Place(place);
  GetCPUBuddyAllocator()->Free(p);
}

template <>
size_t Used(platform::CPUPlace place) {
  return GetCPUBuddyAllocator()->Used();
}

==5.== 多设备支持

多设备支持(一)
step 1:添加Place类型,由用户实现添加到框架

可以将Place类型理解为一个整数加上一个枚举型,包括:设备号 + 设备类型

DeviceContext

不同的Place会对应一个相应的DeviceContext,用于组织管理与设备相关的信息例如,GpuDeviceContext中会管理Cuda stream
目前实现中一些特殊的库也会对应有自己的DeviceContext:例如:

class MKLDNNDeviceContext : public CPUDeviceContext {……}

每种设备对应的DeviceContext需要管理的内容不尽相同,视具体需求来实现

多设备支持(二)
step 2: 增加KernelType,为相应的KernelType注册Kernel对象,由用户实现注册给框架 可以按照:

Place 执行设备
DataType 执行数据类型 FP32/FP64/INT32/INT64
Memory layout: 运行时 Tensor 在内存中的排布格式 NCHW、 NHWC
使用的库
来区分Kernel,为同一个operator注册多个 Kernel。

struct OpKernelType {
  proto::DataType data_type_;
  DataLayout data_layout_;
  platform::Place place_;
  LibraryType library_type_;
}

多设备支持(三)
step 3: 运行时的 KernelType 推断和Kernel切换,按需要修改Kernel推断和Kernel切换规则

Expected Kernel:期待调用的Kernel:由(1)Place和计算精度决定;或(2)用户在配置中显示指定使用的计算库,如cudnn、mkldnn等。
Actual Kernel:运行时从Operator的输入(Variable)可以推断出实际需要的KernelType
当Expected Kernel和Actual Kernel不一致的时候,框架会插入data_transformer或者data_layerout_transform等,保证Expected Kernel可以执行,包括:CPUPlace GPUPlace :跨设备内存复制
NCHW nChw8c :Layout转换
FP32 FP16 :精度转换 尚未支持
……
以上过程实现在OperatorWithKernel类的Run方法中

==6.== while_op

while_op
循环执行一段Program,直到条件operator判断循环条件不满足时终止循环
while_op 的特殊之处:

while_op 没有 kernel
while_op 拥有自己的Block,会形成一段嵌套的Block
==while_op 内部创建了一个 Executor,来循环执行Block==
while_op 输入输出 : LoDTensorArray

namespace paddle {
namespace framework {
using LoDTensorArray = std::vector;
}
} 

每一次循环,从原始输入中“切出”一个片段
LoDTensorArray 在Python端暴露,是Fluid支持的基础数据结构之一,用户可以直接创建并使用

while_op Run 方法概览

void Run(const framework::Scope &scope,
         const platform::Place &dev_place) const override {
  PADDLE_ENFORCE_NOT_NULL(scope.FindVar(Input(kCondition)));
  auto &cond = scope.FindVar(Input(kCondition))->Get();
  PADDLE_ENFORCE_EQ(cond.dims(), paddle::framework::make_ddim({1}));

  framework::Executor executor(dev_place);
  auto *block = Attr(kStepBlock);

  auto *program = block->Program();
  auto step_scopes =
      scope.FindVar(Output(kStepScopes))->GetMutable();

  while (cond.data()[0]) {
    auto &current_scope = scope.NewScope();
    step_scopes->push_back(&current_scope);
    executor.Run(*program, &current_scope, block->ID(),
                   false /*create_local_scope*/);
  }
}
  

while_op 的重要应用:Dynamic RNN

什么是 dynamicRNN ?

用户可以自定义在一个时间步之内的计算, 框架接受序列输入数据,在其上循环调用用户定义的单步计算
可学习参数在多个时间步之间共享
dynamicRNN 由 while_op 实现
如果dynamicRNN中定义了memory,将会构成一个循环神经网络,否则其行为就等于在输入序列上循环调用预定义的单步计算

dynamic RNN 用户接口

dynamicRNN 中的重要元素step input: dynamicRNN 每个时间步的输入
step function: 用户定义的单步计算
memory: 用于形成循环连接
external/static memory:单步计算的每一步都可以全部读取到的外部输入

dynamicRNN 中的 Memory
dynamicRNN中memory的行为非常类似于 C++ 中的引用变量

memory “指向” 一个operator的输出变量,记作: A
memory 可以被 LoDTensor 初始化(当LoD信息为空时,为非序列,否则为序列),默认memory被初始化为零
memory 在 operator A 前向计算之后,进行前向计算
当 memory 的前向计算会 "指向" A 的输出 LoDTensor
memory 的输出可以是另一个 operator 的输入,于是形成了“循环”连接

DynamicRNN 实现细节
while_op 无法独立构成dynamicRNN,必须和一组相关的 operator 及数据结构配合

依赖的 operators (这里仅列出最重要的,并非全部):lod_rank_table operator
lod_tensor_to_array operator
array_to_lod_tensor operator
shrink_memory operator
依赖的数据结构TensorArray
LoDRankTable
在Fluid中,RNN接受变长序列输入,无需填充,以上数据结构和相关的operator配合工作,实现了对变长输入以batch计算

dynamicRNN 如何实现 batch 计算 ?
问题:RNN 可以看作是一个展开的前向网络,前向网络的深度是最长序列的长度
如果不对变长序列进行填充,将它们填充到一样长度,每个mini-batch输入将会不等长,每个样本展开长度不一致,导致前向和反向计算实现困难

实例 :RNN encoder-decoder with attention
以机器翻译的RNN encoder-decoder 模型(涉及了dynamicRNN的所有设计要素)为例,下图是 RNN encoder-decoder 的原始输入:

Figure. RNN encoder-decoder 原始batch 输入数据
source word sequences 是encoder RNN的输出,是一个LoDTensor
target word sequences 是look_uptable的输入,是一个LoDTensor
上图中一个矩形方块是CPU/GPU内存中一片连续的内存空间,表示一个dense vector

dynamicRNN 如何实现 batch 计算 ?
对一个mini batch中不等长样本进行排序,最长样本变成batch中的第一个,最短样本是batch中最后一个

LoDTensor LoDRankTable lod_rank_table operaator可以将LoDRankTable理解为对LoDTensor中的多个序列按照长度排序LoDRankTable 存储了排序之后的index
构建每个时间步的batch输入:随着时间步增加,每个时间步的batch输入可能会逐渐缩小

TensorArray lod_tensor_to_array LoDTensor (without LoD)
每个时间步输出写入一个输出 LoDTensorArray
dynamicRNN循环结束后, 按照LoDRankTable中记录的信息对输出LoDTensorArray重排序,还原会原始输入顺序

TensorArray array_to_lod_tensor LoDTensor

运行实例

运行实例

运行实例

第5 ~ 7个batch时RNN的memory会发生什么?memory 指向某个operator的输出Tensor,在该operator前向计算之后,“取回”其计算结果
5 ~ 7时,遇到了序列的结束,==下一个时间步计算不再需要在已经结束的序列上展开==
在dynamicRNN中shrink_memory operator 用来缩小memory的batch输入

运行实例:batch 1 ~ 2

运行实例:batch 3 ~ 4

运行实例:batch 5 ~ 7

==7.== Fluid 代码结构

Fluid 代码结构

==8.== 文档总结

设计概览重构概览
fluid
fluid_compiler
核心概念variable 描述
Tensor
LoDTensor
TensorArray
Program
Block
Scope

重要功能模块

backward
内存优化
evaluator
python API
regularization
开发指南

支持新设硬件设备库
添加新的Operator
添加新的Kernel

==9.== 开发指南

建议开发环境:使用 Docker 编译和测试
Docker编译PaddlePaddle源码:

PaddlePaddle 在 Dockerhub 地址:

获取PaddlePaddle的Docker镜像

docker pull paddlepaddle/paddle:latest-dev
启动 docker container

docker run -it -v $PWD/Paddle:/paddle paddlepaddle/paddle:latest-dev /bin/bash
进入docker container后,从源码编译,请参考文档

一些说明
PaddlePaddle的Docker镜像为了减小体积,默认没有安装vim,可以在容器中执行apt-get install -y vim来安装vim。
开发推荐使用tag为latest-dev的镜像,其中打包了所有编译依赖。latest及lastest-gpu是production镜像,主要用于运行PaddlePaddle程序。
在Docker中运行GPU程序,推荐使用nvidia-docker,否则需要将CUDA库和设备挂载到Docker容器内。

nvidia-docker run -it -v $PWD/Paddle:/paddle paddlepaddle/paddle:latest-dev /bin/bash

如何贡献
==提交PullRequest前请务必阅读==:
代码要求代码注释遵守 Doxygen 的样式
确保编译器选项 WITH_STYLE_CHECK 已打开,并且编译能通过代码样式检查
所有代码必须具有单元测试,且能够通过所有单元测试
使用 pre-commit 钩子提交Pull Request帮助格式化源代码(C++,Python)
在提交前自动检查一些基本事宜:如每个文件只有一个 EOL,Git 中不要添加大文件等
安装pre-commit,并在PaddlePaddle根目录运行:

➜  pip install pre-commit
  ➜  pre-commit install

==10.== 添加新的 Operator

概念简介
添加一个新的operator,会涉及实现以下C++类的派生类:

framework::OperatorBase: Operator(简写,Op)基类。
framework::OpKernel: Op计算函数的基类,称作Kernel。
framework::OperatorWithKernel:继承自OperatorBase,Op有计算函数,称作有Kernel。
class OpProtoAndCheckerMaker:描述该Op的输入、输出、属性、注释,主要用于Python API接口生成
依据是否包含kernel,可以将Op分为两种:

包含Kernel的Op:继承自OperatorWithKernel,==绝大多数operator都属于这一类==
不包含kernel的Op,继承自OperatorBase,只有少量Op属于这一类,例如while_op,ifelse_op
这里主要介绍带Kernel的Op如何编写。


添加新的Operator需要修改/添加哪些文件?

添加 Operator 之前请阅读:Operator 命名规范及Operator Markdown注释规范。
实现新的op都添加至目录paddle/operators下,文件命名以*_op.h(如有) 、 *_op.cc 、*_op.cu(如有)结尾。
根据文件名自动构建op和Python端绑定,请务必遵守以上命名,否则需要进一步修改PyBind相关文件及CMakeLists.txt。

实现带Kernel的Operator step1: 定义ProtoMaker类
下面均以clip_op为例进行介绍

clip_op计算公式:$Out = \min(\max(X, min), max)$
首先定义ProtoMaker来描述该Op的输入、输出,并添加注释(下面代码段的中注释进行了简化,实现时需按照规范添加注释):

template 
class ClipOpMaker : public framework::OpProtoAndCheckerMaker {
 public:
  ClipOpMaker(OpProto* proto, OpAttrChecker* op_checker)
      : OpProtoAndCheckerMaker(proto, op_checker) {
    AddInput("X","(Tensor)The input of clip op.");
    AddOutput("Out", "(Tensor),The output of clip op.");
    AddAttr(
        "min", "(float),Minimum value.");
    AddAttr(
        "max", "(float),Maximum value.");
    AddComment(R"DOC(
    ……
)DOC");
  }
};

实现带Kernel的Operator step2: 定义Operator类
下面的代码段实现了clip_op的定义:

class ClipOp : public framework::OperatorWithKernel {
 public:
  using framework::OperatorWithKernel::OperatorWithKernel;

  void InferShape(framework::InferShapeContext* ctx) const override {
    PADDLE_ENFORCE(ctx->HasInput("X"),
                   "Input(X) of ClipOp should not be null.");
    PADDLE_ENFORCE(ctx->HasOutput("Out"),
                   "Output(Out) of ClipOp should not be null.");
    auto x_dims = ctx->GetInputDim("X");
    auto max = ctx->Attrs().Get("max");
    auto min = ctx->Attrs().Get("min");
    PADDLE_ENFORCE_LT(min, max, "max should be greater than min.");
    ctx->SetOutputDim("Out", x_dims);
    ctx->ShareLoD("X", /*->*/ "Out");
  }
};

Operator 类中需要完成的工作
clip_op 继承自OperatorWithKernel,

using framework::OperatorWithKernel::OperatorWithKernel;

表示使用基类OperatorWithKernel的构造函数。
重写InferShape接口。

InferShape 为const函数,不能修改Op的成员变
InferShape 的参数为 const framework::InferShapeContext &ctx,从中可获取到输入输出以及属性
InferShape 会被调用两次,一次是编译时(创建op),一次是运行时(调用op的Run方法时),需要完成以下功能:做检查, 尽早报错:检查输入数据维度、类型等是否合法
设置输出Tensor的形状
通常OpProtoMaker和Op类的定义写在.cc文件中。


补充说明
InferShape目前支持两种实现方式,二者最后都会生成一个functor注册给OpInfo结构体。

继承framework::InferShapeBase,实现为一个functor(参考 mul_op)
override InferShape函数(参考 clip_op)
什么是functor ?

类或结构体仅重载了(),一般是可被多个kernel复用的计算函数。

template 
class CrossEntropyFunctor {
 public:
  void operator()(const platform::CPUDeviceContext& ctx,
                  framework::Tensor* out,
                  const framework::Tensor* prob,
                  const framework::Tensor* labels, const bool softLabel) {
       ……
  }
};

在 clip_op 内也会看到将一段计算函数抽象为functor的使用法: 。

实现带Kernel的Operator step3: 定义OpKernel类
ClipKernel继承自framework::OpKernel,带有下面两个模板参数:

typename DeviceContext: 表示设备类型,不同设备共享同一个Kernel时,需添加该模板参数。不共享时,需要提供针对不同设备的特化实现。
typename T : 表示支持的数据类型,如float, double等
在ClipKernel类中重写Compute方法

Compute接受输入参数:const framework::ExecutionContext& contextExecutionContext 是从 Scope中将运行时Op的输入、输出Variable组织在一起,使得Op在调用Compute方法时,能够简单地通过名字拿到需要的输入输出Variable
与InferShapeContext相比,ExecutionContext 中增加了设备类型
在Compute函数里实现OpKernel的具体计算逻辑

ClipKernel 代码概览

template 
class ClipKernel : public framework::OpKernel {
 public:
  void Compute(const framework::ExecutionContext& context) const override {
    auto max = context.Attr("max");
    auto min = context.Attr("min");
    auto* x = context.Input("X");
    auto* out = context.Output("Out");
    T* out_data = out->mutable_data(context.GetPlace());
    const T* x_data = x->data();
    int64_t numel = x->numel();
    Transform trans;
    trans(context.template device_context(), x_data,
          x_data + numel, out_data, ClipFunctor(min, max));
  }
};

为了使OpKernel的计算过程书写更加简单,并且CPU、CUDA的代码可以复用, Fluid 使用 Eigen 作为基础的矩阵运算库
Fluid对Eigen unsupported Tensor提供了一些基本的封装,可以在Compute接口中直接调用关于在PaddlePaddle中如何使用Eigen库,请参考使用文档。

实现带Kernel的Operator step4: 实现反向Op
==反向Op没有ProtoMaker==,除此之外定义与实现方式前向Op完全一致,不再赘述
这里仅对反向Op的输入输出进行说明:反向Op的输入前向Op的输出
反向传播过程中传递给当前Op的梯度需要注意,Fluid中,不区分Cost Op和中间层Op,所有Op都必须正确处理接收到的梯度
反向Op的输出对可学习参数的求导结果
对所有输入的求导结果

实现带Kernel的Operator step5: 注册Op及Kernel
至此Op和Op kernel都已经实现完毕,接下来,需要在.cc和cu文件中注册op和kernel

在.cc文件中注册前向、反向Op类,注册CPU Kernel。

namespace ops = paddle::operators;
REGISTER_OP(clip, ops::ClipOp, ops::ClipOpMaker, clip_grad,
            ops::ClipOpGrad);
REGISTER_OP_CPU_KERNEL(
    clip, ops::ClipKernel);
REGISTER_OP_CPU_KERNEL(
    clip_grad, ops::ClipGradKernel);

在上面的代码片段中:

REGISTER_OP : 注册ops::ClipOp类,类型名为clip,该类的ProtoMaker为ops::ClipOpMaker,注册ops::ClipOpGrad,类型名为clip_grad
REGISTER_OP_WITHOUT_GRADIENT : 用于注册没有反向的Op,例如:优化算法相关的Op
REGISTER_OP_CPU_KERNEL :注册ops::ClipKernel类,并特化模板参数为paddle::platform::CPUPlace和float类型,同理,注册ops::ClipGradKernel类

按照同样方法,在.cu文件中注册GPU Kernel

如果CUDA Kernel的实现基于Eigen,需在 .cu的开始加上宏定义 #define EIGEN_USE_GPU

编译和Python端绑定
运行下面命令可以仅编译新添加的Op:

make mul_op

需注意,运行单元测试需要编译整个工程
如果遵循前文的文件命名规则,构建过程中,会自动为新增的op添加Python端绑定,并链接到生成的lib库中

实现带Kernel的Operator step6: 添加前向单测及梯度检测
新增Op的单元测试统一添加至:python/paddle/v2/fluid/tests目录
前向Operator单测

Op单元测试继承自OpTest,各项具体的单元测试在TestClipOp里完成,所有单测case都以TestXX命名
单元测试Operator,需要:在setUp函数定义输入、输出,以及相关的属性参数
生成随机的输入数据
在Python脚本中实现与前向operator相同的计算逻辑,得到输出值,与operator前向计算的输出进行对比
反向梯度检测流程测试框架已经实现,直接调用相应接口check_grad即可
clip_op 单测代码请参考 ,这里不再展开

编译执行单测
python/paddle/v2/framework/tests 目录下新增的 test_*.py 单元测试会被自动加入工程进行编译

运行单元测试测时需要编译整个工程,并且编译时需要打开WITH_TESTING, 即cmake paddle_dir -DWITH_TESTING=ON
编译成功后,执行下面的命令来运行单元测试:

make test ARGS="-R test_mul_op -V"

或者:

ctest -R test_mul_op

添加Op的一些注意事项
为每个Op创建单独的*_op.h(如有)、*_op.cc和*_op.cu(如有)。不允许一个文件中包含多个Op,将会导致编译出错。
注册Op时的类型名,需要和该Op的名字一样。不允许在A_op.cc里面,注册REGISTER_OP(B, ...),会导致单元测试出错。
如果Op没有实现CUDA Kernel,不要创建空的*_op.cu,会导致单元测试出错。
如果多个Op依赖一些共用的函数,可以创建非*_op.*格式的文件来存放,如gather.h文件。

==10.== 使用相关问题

定义前向计算
当在python端执行时:

import paddle.v2.fluid as fluid

framework.py定义了两个全局Program:

# program is a global instance.
_main_program_ = Program()
_startup_program_ = Program()

前向定义的过程就是不断往mian_program中添加Op和Variable
如果需要执行一个新的mian_program时,可以调用调用:

def switch_main_program(program):
    """
    Switch the main program to a new program.
    This funtion returns the previous main program.
    """
    ……

自定义参数的初始化
调用fluid.ParamAttr(……)接口,自定义参数的初始化

w_param_attrs = ParamAttr(name=None,
    initializer=UniformInitializer(low=-1.0, high=1.0, seed=0),
    learning_rate=1.0,
    regularizer=L1Decay(1.0),
    trainable=True,
    clip=GradientClipByValue(-1.0, 1.0),
)
y_predict = fluid.layers.fc(input=x, size=1, param_attr=w_param_attrs)

补充问题:如何创建 Variable

cur_program = Program()
cur_block = cur_program.current_block()
new_var = cur_block.create_var(name="X", shape=[-1, 16, 16], dtype="float32")

添加反向Op
调用fluid.backward.append_backward(X)(X是一个Variable),来为一段前向ProgramDesc添加反Op

data = fluid.layers.data(name="data", shape=(2,3,4))
out = fluid.layers.fc(input=data,size=128,act=None)
loss = fluid.layers.reduce_sum(out)
fluid.backward.append_backward(loss=loss)

添加优化相关的Op

sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001)
sgd_optimizer.minimize(loss)

可以随时调用print(fluid.default_main_program())来输出当前的main_program
当构建完成整个Program后,调用下面的接口执行内存优化:

fluid.memory_optimize(fluid.default_main_program())

注:内存优化目前仍在持续开发中,有可能不够稳定。

总结:编译时执行流程
用户定义前向计算
添加反向Op到default_main_program
添加 gradient clipping Op 到
添加 regularization Op 到default_main_program
为指定的优化算法,添加相关的状态 variable of optimizer 到default_startup_program状态相关 variable是指如学习率, 历史 momentum, 二阶momentum等
添加初始化 variable 的Op 到 default_startup_program
为整个网络最后一个op,添加设置其接受到的梯度的Op到default_main_program
进行内存优化规划

Feed 数据 (一):通过 feed 字典
执行executor的run方法时,指定feed字典,feed op 会将指定的数据放到x和y两个Variable中

y_data = np.random.randint(0, 8, [1]).astype("int32")
y_tensor = core.Tensor()
y_tensor.set(y_data, place)

x_data = np.random.uniform(0.1, 1, [11, 8]).astype("float32")
x_tensor = core.Tensor()
x_tensor.set(x_data, place)
……
cost = exe.run(
    fluid.default_main_program(),
    feed={'x': x_tensor,
          'y': y_tensor},
    fetchlist=[avg_cost])

Feed 数据 (二):使用 DataFeeder接口
编写一个data_reader函数,data_reader是一个Python generator

def demo_reader():
    def random_generator():
        yield np.random.uniform(0.1, 1, [4]), np.random.randint(0, 1, [1])
    return random_generator

在训练任务中使用 DataFeeder 接口

cost = exe.run(
    fluid.default_main_program(),
    feed={'x': x_tensor,
          'y': y_tensor},
    fetchlist=[avg_cost])

train_reader = paddle.batch(
    paddle.reader.shuffle(demo_reader(), buf_size=500), batch_size=4)
feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
for data in train_reader():
    cost = exe.run(
        fluid.default_main_program(),
        feed=feeder.feed(data),
        fetch_list=[cost])

常见问题
如何使用 evaluator ?

accuracy = fluid.evaluator.Accuracy(input=predict, label=label)
for pass_id in range(PASS_NUM):
    accuracy.reset()
    for data in train_reader():
        loss, acc = exe.run(fluid.default_main_program(),
                            feed=feeder.feed(data),
                            fetch_list=[avg_cost] + accuracy.metrics)
         pass_acc = accuracy.eval(exe)
         # acc 当前一个batch 的 accuracy
         # pass_acc 当前batch 的 accuracy
     pass_total_acc = accuracy.eval(exe)  # 整个pass的accuracy

谢谢

收藏
点赞
2
个赞
共1条回复 最后由choleraa回复于2018-08-10 19:41
#2choleraa回复于2018-08-10 19:41:44

是不是该更新了, 毕竟fluid已经内部迭代好几个版本了

0
TOP
切换版块