Program¶

class paddle.static. Program ¶

默认情况下，Paddle 内部默认含有 default_startup_program 和 default_main_program，它们共享参数。default_startup_program 只运行一次来初始化参数，default_main_program 在每个 mini batch 中运行并更新权重。

Program 是 Paddle 对于计算图的一种静态描述，使用 Program 的构造函数可以创建一个 Program。Program 中包括至少一个 Block，当 Block 中存在条件选择的控制流 OP（例如 while_loop 等）时，该 Program 将会含有嵌套着的 Block 即控制流外部的 Block 将包含着控制流内部的 Block，而嵌套的 Block 的元素访问控制将由具体的控制流 OP 来决定。关于 Program 具体的结构和包含的类型请参阅 framework.proto 。

一个 Program 的集合通常包含初始化程序（startup_program）与主程序（main_program），初始化程序是一个包含一些初始化工作的 Program，主程序将会包含用来训练的网络结构和变量，在使用同一个执行器执行时他们会共享初始化工作的结果，例如初始化的参数。一个 Program 的集合可以被用来测试或者训练，被用来训练时，Paddle 将会利用所有用户使用的 OP 和变量来搭建一个训练网络，被用来测试时，可以通过调用 Program 相关的接口例如：clone 剪去一些与测试无关的 OP 和变量，比如反向传播的 OP 和变量。

返回¶

Program，创建的空的 Program。

代码示例¶

>>> import paddle
>>> import paddle.static as static

>>> paddle.enable_static()

>>> main_program = static.Program()
>>> startup_program = static.Program()
>>> with static.program_guard(main_program=main_program, startup_program=startup_program):
...    x = static.data(name="x", shape=[-1, 784], dtype='float32')
...    y = static.data(name="y", shape=[-1, 1], dtype='int32')
...    z = static.nn.fc(name="fc", x=x, size=10, activation="relu")
>>> print("main program is: {}".format(main_program))
>>> print("start up program is: {}".format(startup_program))

方法¶

to_string(throw_on_error, with_details=False)¶

将 Program 转换为字符串。

参数

throw_on_error (bool) - 是否在没有设置必需字段时抛出异常。

with_details (bool) - 值为 true 时，打印更多关于变量和参数的信息，如 trainable， optimize_attr 等。

返回

str，由 Program 转换得到的字符串。

代码示例

COPY-FROM: paddle.static.Program.to_string

clone(for_test=False)¶

注解

Program.clone() 方法不会克隆例如 DataLoader 这样的数据读取相关的部分，这可能会造成的数据读取部分在克隆后丢失；
此 API 当 for_test=True 时将会裁剪部分 OP 和变量。为防止错误的裁剪，推荐在 append_backward 和执行优化器之前使用；clone(for_test=True) 。

当 for_test=True 时创建一个新的、仅包含当前 Program 前向内容的 Program。否则创建一个新的和当前 Program 完全相同的 Program。

有些 OP，在训练和测试之间的行为是不同的，比如 batch_norm。它们有一个属性 is_test 来控制行为。当 for_test=True 时，此方法将把它们的 is_test 属性更改为 True。

克隆 Program 用于训练时，将 for_test 设置为 False。
克隆 Program 用于测试时，将 for_test 设置为 True。虽然在这种情况下，如果在使用了优化器之后调用 clone 我们依旧会对 Program 当中反向执行以及优化器相关的内容进行自动裁剪，但是，我们强烈建议在使用优化器之前使用 clone 例如如果使用的是 Momentum 可以这样去使用：

代码示例

COPY-FROM: paddle.static.Program.clone:code-example-1

参数

for_test (bool，可选) – 取值为 True 时，clone 方法内部会把 operator 的属性 is_test 设置为 True，并裁剪反向 OP 和参数优化 OP，默认值为 False。

返回

Program，当 for_test=True 时返回一个新的、仅包含当前 Program 前向内容的 Program。否则返回一个新的，和当前 Program 完全相同的 Program。

代码示例

注解

Program 在 clone 后的顺序可能不同，这不会影响的训练或测试进程。在下面的示例中，我们提供了一个简单的方法 print_prog（Program）来打印程序描述，以确保 clone 后仍能得到同样的打印结果：

COPY-FROM: paddle.static.Program.clone:code-example-2

克隆一个 Program，示例代码如下。

COPY-FROM: paddle.static.Program.clone:code-example-3

如果分别运行 train Program 和 test Program，则可以不使用 clone。

COPY-FROM: paddle.static.Program.clone:code-example-4

上边两个代码片段生成和打印的 Program 是一样的。

static parse_from_string(binary_str)¶

通过对 protobuf 的反序列化，转换成 Program。

参数

binary_str (str) – protobuf 二进制字符串。

返回

Program，反序列化后的 Program。

代码示例

COPY-FROM: paddle.static.Program.parse_from_string

属性¶

num_blocks¶

该 Program 中的 Block 的个数。

返回

int，该 Program 中的 Block 的个数。

代码示例

COPY-FROM: paddle.static.Program.num_blocks

random_seed¶

注解

必须在相关 OP 被添加之前设置。

程序中随机运算符的默认随机种子。0 意味着随机生成随机种子。

返回

int64，该 Program 中当前正在使用的 random seed。

代码示例

COPY-FROM: paddle.static.Program.random_seed

global_block()¶

获取该 Program 的第一个 Block 。

返回

Block，该 Program 的第一个 Block。

代码示例

COPY-FROM: paddle.static.Program.global_block

block(index)¶

返回该 Program 中，index 指定的 Block 。 index 类型为 int 。

参数

index (int) - 需要获取的 Block 的 index。

返回

Block，该 Program 中 index 对应的那个 Block。

代码示例

COPY-FROM: paddle.static.Program.block

current_block()¶

获取当前 Block。当前 Block 是用来添加 OP 的。

返回

Block，该 Program 中用户当前所在的 Block。

代码示例

COPY-FROM: paddle.static.Program.current_block

list_vars()¶

获取当前 Program 中所有变量。返回值是一个可迭代对象（iterable object)。

返回

Generator，会 yield 每个 Program 中的变量。

代码示例

COPY-FROM: paddle.static.Program.list_vars

all_parameters()¶

获取当前 Program 中所有的模型参数。返回值是一个列表。

返回

list[ 模型参数 ]，一个包含当前 Program 中所有参数的列表。

代码示例

COPY-FROM: paddle.static.Program.all_parameters

state_dict(mode='all', scope=None)¶

获取当前 Program 持久性变量。并将所有持久性变量存放在 dict 结构中。

参数

mode (str，可选) - 获取何种持久性变量。目前支持以下选项：(1) opt：获得优化器的持久性变量放在 dict 结构中；(2) param：获得组网中的持久性变量放在 dict 结构中，不包含优化器中的持久性变量；(3) all：获得组网和优化器中的持久性变量放在 dict 结构中；默认值为 all。

scope (Scope，可选) - 如果 scope 为 None，通过 paddle.static.global_scope() 获取全局/默认作用域实例，并从中获取 state_dict；否则从指定的 scope 获取 state_dict。默认值为 None 。

返回

dict，包含持久性变量的 dict，键值是持久性变量的名字，值为持久性变量。

代码示例

COPY-FROM: paddle.static.Program.state_dict

set_state_dict(state_dict, scope=None)¶

将 state_dict 中的持久性变量设置到 Program 中。

参数

state_dict (dict) - 包含持久性变量的字典。键值是持久性变量的名字，值为持久性变量。

scope (Scope，可选) - 如果 scope 为 None，通过 paddle.static.global_scope() 获取全局/默认作用域实例，并将 state_dict 中久性变量设置到这个作用域中；否则将 state_dict 设置到指定的 scope 中。默认值为 None 。

返回

无。

代码示例

COPY-FROM: paddle.static.Program.set_state_dict

使用本API的教程文档¶

隐式数据类型提升介绍