paddle1.8-官方文档1-快速上手(1)-基本概念
paddle1.8-官方文档1-快速上手(1)-基本概念 目录划分
一、基本概念:
1.1 编程指南
1.2 Variable
1.3 Tensor
1.4 LoDTensor
1.5 Operator
1.6 Program
1.7 Executor
1.8 命令式编程使用教程
壹、基本概念
一、编程指南
学习:
1. 如何表示和定义数据变量。
2.如何完整组建一个深度学习网络 并进行训练。
① 数据的表示和定义
paddle使用 tensor 承载数据，包括: 模型中的可学习参数(如 网络权重、偏置等)，网络中每一层 输入、输出数据，常量数据。
- paddle中使用 fluid.data 创建数据变量，fluid.data 需要指定 Tensor 的形状信息 和 数据类型，当遇到无法确定的维度时，可以将相应维度指定为 None,如下:
import paddle.fluid as fluid
# 定义一个数据类型 int64 的二维数据变量X，X的第一维的维度为3，第二个维度未知，要在程序执行过程中 才能确定，因此X的形状 可以指定为 【3, None】
x = fluid.data(name="x", shape=[3, None], dtype="int64")
# 大多数网络都会采用 batch 方式进行数据组织， batch 大小在定义时不确定，因此 batch 所在维度(通常时第一维)可以指定 None
batched_x = fluid.data(name="", shape=[None, 3, None], dtype="int64")
- 除 fluid.data 之外，还可以使用 fluid.layers.fill_constant 来创建常量，如下 代码将创建一个 维度为 【3， 4】，数据类型为 int64 的 Tensor,期中所有元素值均为16.
import paddle.fluid as fluid
data = fluid.layers.fill_constant(shape=[3, 4], value=16, dtype="int64")
*需要注意的是: 在声明式编程模型方式中，上述定义的 Tensor 并不具有值(即使创建常量的时候指定了 Value),他们仅代表将要执行的操作，在网络执行时(训练或预测)才会进行真正的赋值操作，比如打印上述代码中的data 将会得到对其信息的描述：
print(data)
输出结果:
name: "fill_constant_0.tmp_0"
type {
type: LOD_TENSOR
lod_tensor {
tensor {
data_type: INT64
dims: 3
dims: 4
}
}
}
persistable: false
- 在网络执行过程中，获取 Tensor 数值有两种方式:
- 方式一是利用 paddle.fluid.layers.Print 创建一个打印操作，打印正在访问的 Tensor
运行时输出结果:方式一的代码实现如下所示： import paddle.fluid as fluid data = fluid.layers.fill_constant(shape=[3, 4], value=16, dtype='int64') data = fluid.layers.Print(data, message="Print data:") place = fluid.CPUPlace() exe = fluid.Executor(place) exe.run(fluid.default_startup_program()) ret = exe.run()1571742368 Print data: The place is:CPUPlace Tensor[fill_constant_0.tmp_0] shape: [3,4,] dtype: x data: 16,16,16,16,16,16,16,16,16,16,16,16, - 方式二是将Variable添加在 fetch_list 中
- 方式一是利用 paddle.fluid.layers.Print 创建一个打印操作，打印正在访问的 Tensor
② 数据读取
使用 fluid.data 创建数据变量之后，需要把网络执行所需要的数据读取到对应变量中，具体数据准备，参考Paddle静态图、动态图数据准备
③ 组建网络
在Paddle中，数据计算类API统一称为Operator（算子），简称OP，大多数OP在 paddle.fluid.layers 模块中提供。
例如用户可以利用 paddle.fluid.layers.elementwise_add() 实现两个输入Tensor的加法运算：
# 定义变量
import paddle.fluid as fluid
a = fluid.data(name="a", shape=[None,1], dtype="int64")
b = fluid.data(name="b", shape=[None,1], dtype="int64")
# 组建网络
result = fluid.layers.elementwise_add(a, b)
# 准备运行网络
cpu = fluid.CPUPlace() # 定义运算设备,这里选择在CPU下训练。
exe = fluid.Executor(cpu) # 创建执行器
exe.run(fluid.default_startup_program()) # 网络参数初始化
# 读取输入数据
import numpy
data_1 = int(input("Please enter an integer: a="))
data_2 = int(input("Please enter an integer: b="))
x = numpy.array([[data_1]])
y = numpy.array([[data_2]])
# 运行网络
outs = exe.run(
feed={"a":x, "b":y} # 将输入数据x,y 分别赋值给变量 a, b
fetch_list = [result] # 通过 fetch_list 参数指定需要获取的变量结果
)
# 输出计算结果
print(data_1, data_2, outs[0][0])