执行器¶

Executor 实现了一个简易的执行器，所有的操作在其中顺序执行。你可以在 Python 脚本中运行 Executor 。

Executor 的逻辑非常简单。建议在调试阶段用 Executor 在一台计算机上完整地运行模型，然后转向多设备或多台计算机计算。

Executor 在构造时接受一个 Place 对象，包括 CPUPlace 与 CUDAPlace 等，也可以是一个 str 类型的设备描述符，如 "cpu" 或 "gpu:0"。

import paddle
import numpy as np

# 开启静态图模式，设置计算设备 place
paddle.enable_static()
place = (
    paddle.CUDAPlace(0)
    if "gpu:0" in paddle.device.get_available_device()
    else paddle.CPUPlace()
)

# 首先创建 Executor，用于执行计算图
exe = paddle.static.Executor(place)

# 定义输入数据和标签，shape 中的 -1 表示 batch size 是可变的，784 是特征维度
x = paddle.static.data(name="x", shape=[-1, 784], dtype="float32")
label = paddle.static.data(name="label", shape=[-1, 1], dtype="int64")

# 定义输出维度为 10 的全连接层，损失函数
out = paddle.static.nn.fc(name="fc", x=x, size=10, activation="relu")
loss = paddle.nn.functional.cross_entropy(out, label)

# 运行启动程序 startup_program 初始化参数
exe.run(paddle.static.default_startup_program())

# 准备输入数据，创建一个 1x784 的全 1 矩阵作为输入数据，一个 1x1 的 0 作为标签
feed_dict = {
    "x": np.ones((1, 784), dtype="float32"),
    "label": np.array([[0]], dtype="int64"),
}

# 执行主程序，将 feed_dict 作为输入，获取 loss 和 out 变量的值
(loss_value, out_value) = exe.run(
    paddle.static.default_main_program(), feed=feed_dict, fetch_list=[loss, out]
)
print(f"loss: {loss_value}\nmodel output: {out_value}")

关于执行器的参数介绍，可以参考 Executor 这部分内容。