py_func

paddle.fluid.layers. py_func ( func, x, out, backward_func=None, skip_vars_in_backward_input=None ) [源代码]

PaddlePaddle 通过py_func在Python端注册OP。py_func的设计原理在于Paddle中的Tensor与numpy数组可以方便的互相转换,从而可使用Python中的numpy API来自定义一个Python OP。

该自定义的Python OP的前向函数是 func, 反向函数是 backward_func 。 Paddle将在前向部分调用 func ,并在反向部分调用 backward_func (如果 backward_func 不是None)。 xfunc 的输入,必须为Tensor类型; outfunc 的输出, 既可以是Tensor类型, 也可以是numpy数组。

反向函数 backward_func 的输入依次为:前向输入 x 、前向输出 outout 的梯度。 如果 out 的某些输出没有梯度,则 backward_func 的相关输入为None。如果 x 的某些变量没有梯度,则用户应在 backward_func 中主动返回None。

在调用该接口之前,还应正确设置 out 的数据类型和形状,而 outx 对应梯度的数据类型和形状将自动推断而出。

此功能还可用于调试正在运行的网络,可以通过添加没有输出的 py_func 运算,并在 func 中打印输入 x

参数:

  • func (callable) - 所注册的Python OP的前向函数,运行网络时,将根据该函数与前向输入 x ,计算前向输出 out 。 在 func 建议先主动将Tensor转换为numpy数组,方便灵活的使用numpy相关的操作,如果未转换成numpy,则可能某些操作无法兼容。

  • x (Tensor|tuple(Tensor)|list[Tensor]) - 前向函数 func 的输入,多个Tensor以tuple(Tensor)或list[Tensor]的形式传入。

  • out (T|tuple(T)|list[T]) - 前向函数 func 的输出,可以为T|tuple(T)|list[T],其中T既可以为Tensor,也可以为numpy数组。由于Paddle无法自动推断 out 的形状和数据类型,必须应事先创建 out

  • backward_func (callable,可选) - 所注册的Python OP的反向函数。默认值为None,意味着没有反向计算。若不为None,则会在运行网络反向时调用 backward_func 计算 x 的梯度。

  • skip_vars_in_backward_input (Tensor) - backward_func 的输入中不需要的变量,可以是Tensor|tuple(Tensor)|list[Tensor]。 这些变量必须是 xout 中的一个。默认值为None,意味着没有变量需要从 xout 中去除。若不为None,则这些变量将不是 backward_func 的输入。该参数仅在 backward_func 不为None时有用。

返回: 前向函数的输出 out

返回类型: Tensor|tuple(Tensor)|list[Tensor]

示例代码1:

  1. import paddle
  2. import six
  3. import numpy as np
  4. paddle.enable_static()
  5. # 自定义的前向函数,可直接输入LoDTenosor
  6. def tanh(x):
  7. return np.tanh(x)
  8. # 在反向函数中跳过前向输入x,返回x的梯度。
  9. # 必须使用np.array主动将LodTensor转换为numpy,否则"+/-"等操作无法使用
  10. def tanh_grad(y, dy):
  11. return np.array(dy) * (1 - np.square(np.array(y)))
  12. # 自定义的前向函数,可用于调试正在运行的网络(打印值)
  13. def debug_func(x):
  14. print(x)
  15. def create_tmp_var(name, dtype, shape):
  16. return paddle.static.default_main_program().current_block().create_var(
  17. name=name, dtype=dtype, shape=shape)
  18. def simple_net(img, label):
  19. hidden = img
  20. for idx in six.moves.range(4):
  21. hidden = paddle.static.nn.fc(hidden, size=200)
  22. new_hidden = create_tmp_var(name='hidden_{}'.format(idx),
  23. dtype=hidden.dtype, shape=hidden.shape)
  24. # 用户自定义的前向反向计算
  25. hidden = paddle.static.py_func(func=tanh, x=hidden,
  26. out=new_hidden, backward_func=tanh_grad,
  27. skip_vars_in_backward_input=hidden)
  28. # 用户自定义的调试函数,打印出输入的LodTensor
  29. paddle.static.py_func(func=debug_func, x=hidden, out=None)
  30. prediction = paddle.static.nn.fc(hidden, size=10, activation='softmax')
  31. ce_loss = paddle.nn.loss.CrossEntropyLoss()
  32. return ce_loss(prediction, label)
  33. x = paddle.static.data(name='x', shape=[None, 4], dtype='float32')
  34. y = paddle.static.data(name='y', shape=[10], dtype='int64')
  35. res = simple_net(x, y)
  36. exe = paddle.static.Executor(paddle.CPUPlace())
  37. exe.run(paddle.static.default_startup_program())
  38. input1 = np.random.random(size=[10, 4]).astype('float32')
  39. input2 = np.random.randint(1, 10, size=[10], dtype='int64')
  40. out = exe.run(paddle.static.default_main_program(),
  41. feed={'x':input1, 'y':input2},
  42. fetch_list=[res.name])
  43. print(out)

示例代码2:

  1. # 该示例展示了如何将LoDTensor转化为numpy数组,并利用numpy API来自定义一个OP
  2. import paddle
  3. import numpy as np
  4. paddle.enable_static()
  5. def element_wise_add(x, y):
  6. # 必须先手动将LodTensor转换为numpy数组,否则无法支持numpy的shape操作
  7. x = np.array(x)
  8. y = np.array(y)
  9. if x.shape != y.shape:
  10. raise AssertionError("the shape of inputs must be the same!")
  11. result = np.zeros(x.shape, dtype='int32')
  12. for i in range(len(x)):
  13. for j in range(len(x[0])):
  14. result[i][j] = x[i][j] + y[i][j]
  15. return result
  16. def create_tmp_var(name, dtype, shape):
  17. return paddle.static.default_main_program().current_block().create_var(
  18. name=name, dtype=dtype, shape=shape)
  19. def py_func_demo():
  20. start_program = paddle.static.default_startup_program()
  21. main_program = paddle.static.default_main_program()
  22. # 创建前向函数的输入变量
  23. x = paddle.static.data(name='x', shape=[2,3], dtype='int32')
  24. y = paddle.static.data(name='y', shape=[2,3], dtype='int32')
  25. # 创建前向函数的输出变量,必须指明变量名称name/数据类型dtype/维度shape
  26. output = create_tmp_var('output','int32', [3,1])
  27. # 输入多个LodTensor以list[Variable]或tuple(Variable)形式
  28. paddle.static.py_func(func=element_wise_add, x=[x,y], out=output)
  29. exe=paddle.static.Executor(fluid.CPUPlace())
  30. exe.run(start_program)
  31. # 给program喂入numpy数组
  32. input1 = np.random.randint(1, 10, size=[2,3], dtype='int32')
  33. input2 = np.random.randint(1, 10, size=[2,3], dtype='int32')
  34. out = exe.run(main_program,
  35. feed={'x':input1, 'y':input2},
  36. fetch_list=[output.name])
  37. print("{0} + {1} = {2}".format(input1, input2, out))
  38. py_func_demo()
  39. # 参考输出:
  40. # [[5, 9, 9] + [[7, 8, 4] = [array([[12, 17, 13]
  41. # [7, 5, 2]] [1, 3, 3]] [8, 8, 5]], dtype=int32)]