diff --git a/doc/fluid/user_guides/howto/prepare_data/use_py_reader.rst b/doc/fluid/user_guides/howto/prepare_data/use_py_reader.rst index be9bcc152c01da2edbc47d5bbee438f61863546d..14a5a0c9cd139c96a440faf4ead6c5a6ac52c810 100644 --- a/doc/fluid/user_guides/howto/prepare_data/use_py_reader.rst +++ b/doc/fluid/user_guides/howto/prepare_data/use_py_reader.rst @@ -4,33 +4,33 @@ 使用PyReader读取训练和测试数据 ############################ -Paddle Fluid支持PyReader，实现Python端往C++端导入数据的功能。与 :ref:`user_guide_use_numpy_array_as_train_data` 不同，在使用PyReader时，Python端导入数据的过程和C++端 :code:`Executor::Run()` 读取数据的过程是异步进行的，且能与 :code:`double_buffer_reader` 配合以进一步提高数据读取性能。 +除Python Reader方法外，我们提供了PyReader。PyReader的性能比 :ref:`user_guide_use_numpy_array_as_train_data` 更好，因为PyReader的数据读取和模型训练过程是异步进行的，且能与 :code:`double_buffer_reader` 配合以进一步提高数据读取性能。此外， :code:`double_buffer_reader` 负责异步完成CPU Tensor到GPU Tensor的转换，一定程度上提升了数据读取效率。 创建PyReader对象 ################################ -用户创建PyReader对象的方式为： +创建PyReader对象的方式为： .. code-block:: python import paddle.fluid as fluid py_reader = fluid.layers.py_reader(capacity=64, - shapes=[(-1,3,224,224), (-1,1)], + shapes=[(-1,784), (-1,1)], dtypes=['float32', 'int64'], name='py_reader', use_double_buffer=True) -其中，capacity为PyReader对象的缓存区大小；shapes为batch各参量（如图像分类任务中的image和label)的尺寸；dtypes为batch各参量的数据类型；name为PyReader对象的名称；use_double_buffer默认为True，表示使用 :code:`double_buffer_reader` 。 +其中，capacity为PyReader对象的缓存区大小；shapes为batch各参量（如图像分类任务中的image和label）的尺寸；dtypes为batch各参量的数据类型；name为PyReader对象的名称；use_double_buffer默认为True，表示使用 :code:`double_buffer_reader` ，建议开启，可提升数据读取速度。 -若要创建多个不同的PyReader对象（如训练阶段和测试阶段往往需创建两个不同的PyReader对象），必须给不同的PyReader对象指定不同的name。比如，在同一任务中创建训练阶段和测试阶段的PyReader对象的方式为： +需要注意的是：如果您要创建多个不同PyReader对象（例如训练和预测阶段需创建两个不同的PyReader），则需要必须给不同的PyReader对象指定不同的name。这是因为PaddlePaddle采用不同的变量名区分不同的变量，而且 `Program.clone()` (参见 :ref:`cn_api_fluid_Program_clone` ）不能实现PyReader对象的复制。 .. code-block:: python import paddle.fluid as fluid train_py_reader = fluid.layers.py_reader(capacity=64, - shapes=[(-1,3,224,224), (-1,1)], + shapes=[(-1,784), (-1,1)], dtypes=['float32', 'int64'], name='train', use_double_buffer=True) @@ -41,11 +41,10 @@ Paddle Fluid支持PyReader，实现Python端往C++端导入数据的功能。与 name='test', use_double_buffer=True) -注意， :code:`Program.clone()` 方法不能实现PyReader对象的复制，因此必须用以上方式创建训练阶段和测试阶段的不同 -PyReader对象。 +在使用PyReader时，如果需要共享训练阶段和测试阶段的模型参数，您可以通过 :code:`fluid.unique_name.guard()` 的方式来实现。 +注：Paddle采用变量名区分不同变量，且变量名是根据 :code:`unique_name` 模块中的计数器自动生成的，每生成一个变量名计数值加1。 :code:`fluid.unique_name.guard()` 的作用是重置 :code:`unique_name` 模块中的计数器，保证多次调用 :code:`fluid.unique_name.guard()` 配置网络时对应变量的变量名相同，从而实现参数共享。 -由于 :code:`Program.clone()` 无法实现PyReader对象的复制，因此用户需通过 :code:`fluid.unique_name.guard()` -的方式实现训练阶段和测试阶段模型参数的共享，具体方式为： +下面是一个使用PyReader配置训练阶段和测试阶段网络的例子： .. code-block:: python @@ -53,72 +52,169 @@ PyReader对象。 import paddle.fluid as fluid import paddle.dataset.mnist as mnist - import numpy - def network(is_train): + # Create py_reader object and give different names + # when is_train = True and is_train = False reader = fluid.layers.py_reader( capacity=10, shapes=((-1, 784), (-1, 1)), dtypes=('float32', 'int64'), name="train_reader" if is_train else "test_reader", use_double_buffer=True) + + # Use read_file() method to read out the data from py_reader img, label = fluid.layers.read_file(reader) ... # Here, we omitted the definition of loss of the model return loss , reader + # Create main program and startup program for training train_prog = fluid.Program() train_startup = fluid.Program() with fluid.program_guard(train_prog, train_startup): + # Use fluid.unique_name.guard() to share parameters with test network with fluid.unique_name.guard(): train_loss, train_reader = network(True) adam = fluid.optimizer.Adam(learning_rate=0.01) adam.minimize(train_loss) + # Create main program and startup program for testing test_prog = fluid.Program() test_startup = fluid.Program() with fluid.program_guard(test_prog, test_startup): + # Use fluid.unique_name.guard() to share parameters with train network with fluid.unique_name.guard(): test_loss, test_reader = network(False) 设置PyReader对象的数据源 ################################ -PyReader对象提供 :code:`decorate_tensor_provider` 和 :code:`decorate_paddle_reader` 方法，它们均接收一个Python生成器 :code:`generator` 对象作为数据源，两个方法的区别在于： +PyReader对象通过 :code:`decorate_paddle_reader()` 或 :code:`decorate_tensor_provider()` 方法设置其数据源。 :code:`decorate_paddle_reader()` 和 :code:`decorate_tensor_provider()` 均接收Python生成器 :code:`generator` 作为参数， :code:`generator` 内部每次通过yield的方式生成一个batch的数据。 + +:code:`decorate_paddle_reader()` 和 :code:`decorate_tensor_provider()` 方法的区别在于： + +- :code:`decorate_paddle_reader()` 的 :code:`generator` 应返回Numpy Array类型的数据，而 :code:`decorate_tensor_provider()` 的 :code:`generator` 应返回LoDTensor类型的数据。 + +- :code:`decorate_tensor_provider()` 要求 :code:`generator` 返回的LoDTensor的数据类型、尺寸必须与配置py_reader时指定的dtypes、shapes参数相同，而 :code:`decorate_paddle_reader()` 不要求数据类型和尺寸的严格一致，其内部会完成数据类型和尺寸的转换。 + +具体方式为： + +.. code-block:: python + + import paddle.fluid as fluid + import numpy as np + + BATCH_SIZE = 32 + + # Case 1: Use decorate_paddle_reader() method to set the data source of py_reader + # The generator yields Numpy-typed batched data + def fake_random_numpy_reader(): + image = np.random.random(size=(BATCH_SIZE, 784)) + label = np.random.random_integers(size=(BATCH_SIZE, 1), low=0, high=9) + yield image, label + + py_reader1 = fluid.layers.py_reader( + capacity=10, + shapes=((-1, 784), (-1, 1)), + dtypes=('float32', 'int64'), + name='py_reader1', + use_double_buffer=True) -1. :code:`decorate_tensor_provider` 方法：要求 :code:`generator` 每次产生一个 :code:`list` 或 :code:`tuple` 对象， :code:`list` 或 :code:`tuple` 对象中的每个元素为 :code:`LoDTensor` 类型或Numpy数组类型，且 :code:`LoDTensor` 或Numpy数组的 :code:`shape` 必须与创建PyReader对象时指定的 :code:`shapes` 参数完全一致。 + py_reader1.decorate_paddle_reader(fake_random_reader) -2. :code:`decorate_paddle_reader` 方法：要求 :code:`generator` 每次产生一个 :code:`list` 或 :code:`tuple` 对象， :code:`list` 或 :code:`tuple` 对象中的每个元素为Numpy数组类型，但Numpy数组的 :code:`shape` 不必与创建PyReader对象时指定的 :code:`shapes` 参数完全一致， :code:`decorate_paddle_reader` 方法内部会对其进行 :code:`reshape` 操作。 + # Case 2: Use decorate_tensor_provider() method to set the data source of py_reader + # The generator yields Tensor-typed batched data + def fake_random_tensor_provider(): + image = np.random.random(size=(BATCH_SIZE, 784)).astype('float32') + label = np.random.random_integers(size=(BATCH_SIZE, 1), low=0, high=9).astype('int64') + + image_tensor = fluid.LoDTensor() + image_tensor.set(image, fluid.CPUPlace()) + + label_tensor = fluid.LoDTensor() + label_tensor.set(label, fluid.CPUPlace()) + yield image_tensor, label_tensor + + py_reader2 = fluid.layers.py_reader( + capacity=10, + shapes=((-1, 784), (-1, 1)), + dtypes=('float32', 'int64'), + name='py_reader2', + use_double_buffer=True) + + py_reader2.decorate_tensor_provider(fake_random_tensor_provider) 使用PyReader进行模型训练和测试 ################################ -具体方式为（接上述代码）： +使用PyReader进行模型训练和测试的例程如下： .. code-block:: python + import paddle + import paddle.fluid as fluid + import paddle.dataset.mnist as mnist + import six + + def network(is_train): + # Create py_reader object and give different names + # when is_train = True and is_train = False + reader = fluid.layers.py_reader( + capacity=10, + shapes=((-1, 784), (-1, 1)), + dtypes=('float32', 'int64'), + name="train_reader" if is_train else "test_reader", + use_double_buffer=True) + img, label = fluid.layers.read_file(reader) + ... + # Here, we omitted the definition of loss of the model + return loss , reader + + # Create main program and startup program for training + train_prog = fluid.Program() + train_startup = fluid.Program() + + # Define train network + with fluid.program_guard(train_prog, train_startup): + # Use fluid.unique_name.guard() to share parameters with test network + with fluid.unique_name.guard(): + train_loss, train_reader = network(True) + adam = fluid.optimizer.Adam(learning_rate=0.01) + adam.minimize(train_loss) + + # Create main program and startup program for testing + test_prog = fluid.Program() + test_startup = fluid.Program() + + # Define test network + with fluid.program_guard(test_prog, test_startup): + # Use fluid.unique_name.guard() to share parameters with train network + with fluid.unique_name.guard(): + test_loss, test_reader = network(False) + place = fluid.CUDAPlace(0) - startup_exe = fluid.Executor(place) - startup_exe.run(train_startup) - startup_exe.run(test_startup) + exe = fluid.Executor(place) - trainer = fluid.ParallelExecutor( - use_cuda=True, loss_name=train_loss.name, main_program=train_prog) + # Run startup program + exe.run(train_startup) + exe.run(test_startup) - tester = fluid.ParallelExecutor( - use_cuda=True, share_vars_from=trainer, main_program=test_prog) + # Compile programs + train_prog = fluid.CompiledProgram(train_prog).with_data_parallel(loss_name=train_loss.name) + test_prog = fluid.CompiledProgram(test_prog).with_data_parallel(share_vars_from=train_prog) + # Set the data source of py_reader using decorate_paddle_reader() method train_reader.decorate_paddle_reader( paddle.reader.shuffle(paddle.batch(mnist.train(), 512), buf_size=8192)) test_reader.decorate_paddle_reader(paddle.batch(mnist.test(), 512)) - for epoch_id in xrange(10): + for epoch_id in six.moves.range(10): train_reader.start() try: while True: - print 'train_loss', numpy.array( - trainer.run(fetch_list=[train_loss.name])) + loss = exe.run(program=train_prog, fetch_list=[train_loss]) + print 'train_loss', loss except fluid.core.EOFException: print 'End of epoch', epoch_id train_reader.reset() @@ -126,8 +222,8 @@ PyReader对象提供 :code:`decorate_tensor_provider` 和 :code:`decorate_paddle test_reader.start() try: while True: - print 'test loss', numpy.array( - tester.run(fetch_list=[test_loss.name])) + loss = exe.run(program=test_prog, fetch_list=[test_loss]) + print 'test loss', loss except fluid.core.EOFException: print 'End of testing' test_reader.reset()