.. _cn_api_fluid_dygraph_ProgramTranslator ProgramTranslator ------------------------------- .. py:class:: paddle.fluid.dygraph.dygraph_to_static.ProgramTranslator() :alias_main: paddle.imperative.ProgramTranslator :alias: paddle.imperative.ProgramTranslator :old_api: paddle.fluid.dygraph.ProgramTranslator 将动态图函数转为静态图函数的类。该类是个单例（singleton）。 参数： 无。 返回：ProgramTranslator 单例对象。 返回类型：ProgramTranslator。 **示例代码** .. code-block:: python import paddle.fluid as fluid # 以下两种调用方法得到同一个对象，因为ProgramTranslator是个单例 fluid.dygraph.ProgramTranslator() fluid.dygraph.ProgramTranslator.get_instance() .. py:method:: enable(enable_declarative) 全局开启或关闭动态图转化为静态图。 参数： - **enable_declarative** (bool) - 设置True或者False来打开或关闭declarative 。 返回：None。 **示例代码** .. code-block:: python import paddle.fluid as fluid import numpy as np @fluid.dygraph.jit.declarative def func(x): x = fluid.dygraph.to_variable(x) if fluid.layers.mean(x) > 0: x_v = x - 1 else: x_v = x + 1 return x_v prog_trans = fluid.dygraph.ProgramTranslator() prog_trans.enable(False) x = np.ones([1, 2]) # The declarative is disabled so the func is run in dygraph with fluid.dygraph.guard(): print(func(x).numpy()) # [[2. 2.]] .. py:method:: get_output(dygraph_func, *args, **kwargs) 返回动态图函数输出的VarBase，但是该动态图函数的数值计算过程会被转化为静态图模式运行。 参数： - **dygraph_func** (callable) - 动态图函数。 - **args, kwargs** - 动态图函数的输入。 返回：包含数值结果的VarBase或者VarBase的元组，是输入动态图函数的返回值。 返回类型：VarBase或者VarBase的元组。 **示例代码** .. code-block:: python import paddle.fluid as fluid import numpy as np def func(x): x = fluid.dygraph.to_variable(x) if fluid.layers.mean(x) > 0: x_v = x - 1 else: x_v = x + 1 return x_v prog_trans = fluid.dygraph.ProgramTranslator() with fluid.dygraph.guard(): x = np.ones([1, 2]) x_v = prog_trans.get_output(func, x) print(x_v.numpy()) # [[0. 0.]] .. py:method:: get_func(dygraph_func) 返回一个可调用函数，该函数将输入动态图函数接口转化为静态图组网接口。组网接口不像动态图接口，其并不直接返回数据结果。用户需要自行处理对应的Program和Eexecutor。 参数： - **dygraph_func** (callable) - 动态图函数。 返回：将动态图接口转为静态图组网接口的可调用函数。 返回类型：可调用函数。 **示例代码** .. code-block:: python import paddle.fluid as fluid import numpy as np def func(x): x = fluid.dygraph.to_variable(x) if fluid.layers.mean(x) > 0: x_v = x - 1 else: x_v = x + 1 return x_v prog_trans = fluid.dygraph.ProgramTranslator() static_func = prog_trans.get_func(func) print(callable(static_func)) # True .. py:method:: get_program(dygraph_func, *args, **kwargs) 返回动态图函数转化后的静态图Program和输入输出Varaible。用户可以使用Executor来执行该Program。 参数： - **dygraph_func** (callable) - 动态图函数。 - **args, kwargs** - 动态图函数的输入。 返回：元组(main_program, startup_program, inputs, outputs) main_program: 转化后的main program。 startup_program: 转化后的startup program。 inputs: 输入Variable的列表，这些Variable可以在执行去feed。 outputs: 输出Variable的列表，这些Variable可以在运行时被fetch。 返回类型：类型为(Program, Program, list(Variable), list(Variable)) 的元组。 **示例代码** .. code-block:: python import paddle.fluid as fluid import numpy as np def func(x): x = fluid.dygraph.to_variable(x) if fluid.layers.mean(x) > 0: x_v = x - 1 else: x_v = x + 1 return x_v prog_trans = fluid.dygraph.ProgramTranslator() x = np.ones([1, 2]) main_prog, start_prog, inputs, outputs = prog_trans.get_program(func, x) print([i.name for i in inputs]) # ['feed_0'] 需要被feed的输入Variable名字，对应x print([o.name for o in outputs]) # ['_generated_var_4'] 需要被fetch的输出Variable名字，对应x_v .. py:method:: get_code(dygraph_func) 返回动态图函数转化后的静态图代码字符串。 参数： - **dygraph_func** (callable) - 动态图函数。 返回：转化后的静态图代码字符串。 返回类型：str。 **示例代码** .. code-block:: python import paddle.fluid as fluid import numpy as np def func(x): x = fluid.dygraph.to_variable(x) if fluid.layers.mean(x) > 0: x_v = x - 1 else: x_v = x + 1 return x_v prog_trans = fluid.dygraph.ProgramTranslator() code = prog_trans.get_code(func) print(type(code)) # .. py:method:: save_inference_model(dirname, feed=None, fetch=None) 将现有模型保存为预测模型。保存过程会裁剪main program，只保存和预测输入输出有关的部分，构建成新的Program，并将此Program和相关参数保存到指定dirname路径下，被保存的模型可以被 :ref:`cn_api_fluid_io_load_inference_model` 或者C++预测接口使用。 参数： - **dirname** (str) - 存储预测模型的目录。 - **feed (list[int], 可选)** - 预测模型要保存的输入Variable的序号。如果为None，则动态图函数的所有输入变量将被保存。默认值为None。 - **fetch (list[int], 可选)** - 预测模型要保存的输出Variable的序号。如果为None，则动态图函数的所有输出变量将被保存。默认值为None。 返回：None。 **示例代码** .. code-block:: python import numpy as np import paddle.fluid as fluid from paddle.fluid.dygraph import Linear from paddle.fluid.dygraph import declarative from paddle.fluid.dygraph import ProgramTranslator class SimpleNet(fluid.dygraph.Layer): def __init__(self, in_size, out_size): super(SimpleNet, self).__init__() self._linear = Linear(in_size, out_size) @declarative def forward(self, x): y = self._linear(x) z = self._linear(y) loss = fluid.layers.mean(z) return z, loss with fluid.dygraph.guard(fluid.CPUPlace()): net = SimpleNet(8, 8) adam = fluid.optimizer.AdamOptimizer(learning_rate=0.1, parameter_list=net.parameters()) x = fluid.dygraph.to_variable(np.random.random((4, 8)).astype('float32')) for i in range(10): loss, out = net(x) loss.backward() adam.minimize(loss) net.clear_gradients() # 保存模型 # 注意fetch=[0]意味着我们将序号为0的动态图return输出'z'作为预测输出 prog_trans = ProgramTranslator() prog_trans.save_inference_model("./dy2stat_infer_model", fetch=[0]) # 在这个例子中，预测模型会根据输出'z'进行裁剪。被裁剪后的Program 会被保 # 存在"./dy2stat_infer_model" 文件夹，并且参数也会保存为同一个文件夹下 # 不同文件。 .. py:method:: get_program_cache() 返回ProgramCache单例。这个方法是PaddlePaddle开发者用来管理ProgramTranslator中的Program缓存，普通用户不需要使用这个方法。 返回：ProgramTranslator中的ProgramCache。 返回类型：ProgramCache。 **示例代码** .. code-block:: python import paddle.fluid as fluid prog_trans = fluid.dygraph.ProgramTranslator() prog_cache = prog_trans.get_program_cache()