Created by: GT-ZhangAcer

静态图新增PythonOP时，报错有点小问题

1）PaddlePaddle版本：1.7 2）CPU/GPU：AMD ZEN 3）系统环境：Windows 10 Home

V1.7报错方面解决提升太给力了，于是就尝试一下在静态图下新增PythonOP，在报错方面体验不是太友好。

1、疏忽漏掉参数，报错信息提示太少，很难Get到自己的失误。 2、疏忽少返回参数，不报错，内存爆了。 3、某个变量忘记转numpy，不报错，内存爆了。

以下是代码部分，拿了几个小数据实验，直接复制即可复现。 代码部分：

# Author: Acer Zhang
# Datetime:2020/3/10 21:43

import paddle.fluid as fluid
import numpy

gpu = fluid.CPUPlace()
exe = fluid.Executor(gpu)

train_data = [[1], [2], [3], [4], [5]]
y_true = [[3], [6], [9], [12], [15]]

# 定义网络
x = fluid.data(name="x", shape=[-1, 1], dtype="float32")
y = fluid.data(name="y", shape=[-1, 1], dtype="float32")

y_predict = fluid.layers.fc(input=x, size=1)

loss = fluid.default_main_program().current_block().create_var(name="loss_tmp", shape=[-1, 1], dtype="float32")


def square_error_cost(ipt_a, ipt_b):
    a = numpy.array(ipt_a)
    b = numpy.array(ipt_b)
    ab_cost = numpy.square(a - b)
    return ab_cost


# 正常版本
def backward_square_error_cost(out, target, ab_mean, d_ab_mean):
    a = numpy.array(out)
    b = numpy.array(target)
    d_ab_mean = numpy.array(d_ab_mean)
    d = numpy.array(2 * (a - b)) * d_ab_mean
    return d, -d


# 版本1-爆内存 忘记转换为numpy数组对象
def backward_square_error_cost1(out, target, ab_mean, d_ab_mean):
    # a = numpy.array(out)
    # b = numpy.array(target)
    # d_ab_mean = numpy.array(d_ab_mean)
    d = numpy.array(2 * (out - target)) * d_ab_mean
    return d, -d


# 版本2-爆内存 少返回一个变量
def backward_square_error_cost2(out, target, ab_mean, d_ab_mean):
    a = numpy.array(out)
    b = numpy.array(target)
    d_ab_mean = numpy.array(d_ab_mean)
    d = numpy.array(2 * (out - target)) * d_ab_mean
    return d


# 正常版本
fluid.layers.py_func(func=square_error_cost, x=[y_predict, y], backward_func=backward_square_error_cost,
                     out=loss)

# 版本3-报错不具体 少一个输入变量
# fluid.layers.py_func(func=square_error_cost, x=y_predict, backward_func=backward_square_error_cost,
#                      out=loss)

# 定义优化方法
loss = fluid.layers.mean(loss)
sgd_optimizer = fluid.optimizer.Adam(learning_rate=0.1)
sgd_optimizer.minimize(loss)

# 开始训练，迭代100次

exe.run(fluid.default_startup_program())

for i in range(100):

    for data_id in range(len(y_true)):
        data_x = numpy.array(train_data[data_id]).astype("float32").reshape((1, 1))
        data_y = numpy.array(y_true[data_id]).astype("float32").reshape((1, 1))
        outs = exe.run(
            feed={'x': data_x, 'y': data_y},
            fetch_list=[loss])
        print("loss:", outs[0])

版本1、2类型报错截图

版本3报错截图 又复现不出来了...现在也是爆内存了，之前是索引不到某个变量。

如果能对这些异常给予合适的报错提示就好了，虽然代码就在自己面前，但太难Debug了。