版本迁移工具

在飞桨框架2.0中,Paddle API的位置、命名、参数、行为,进行了系统性的调整和规范, 将API体系从1.X版本的 paddle.fluid.* 迁移到了 paddle.* 下。paddle.fluid 目录下暂时保留了1.8版本API,主要是兼容性考虑,未来会被删除。

使用版本迁移工具自动迁移Paddle 1.X的代码到Paddle 2.0

飞桨提供了版本迁移工具,该工具按 Paddle 2.0 对于 Paddle 1.X的变化,能够自动实现以下功能:

  • 按照 API映射表 ,将转换工具能否转换这列为True的API由Paddle 1.X 转为 Paddle 2.0,为False的API打印WARNING,提示手动升级。

  • 因为Paddle 2.0.0 默认开启动态图,所以删除用于开启动态图上下文的 with paddle.fluid.dygraph.guard(place) ,并修改该上下文的代码缩进;

  • 删除组网API中的 act 参数,并自动添加相关的激活函数;

目前,版本迁移工具能够处理的API数量为X个,如果你有代码迁移的需求,使用转换工具能够节省你部分时间,帮助你快速完成代码迁移。

警告

版本迁移工具并不能处理所有的情况,对于API的处理只能按照 API映射表 中的关系完成API的变化。如代码中包含有转换工具能否转换这列为False的API或不在此表中的API,在使用本工具后,仍然需要手工来进行检查并做相应的调整。

安装

版本迁移工具可以通过pip的方式安装,方式如下:

$ pip install paddle_upgrade_tool

基本用法

paddle_upgrade_tool 可以使用下面的方式,快速使用:

$ paddle_upgrade_tool --inpath /path/to/model.py

这将在命令行中,以diff的形式,展示model.py从Paddle 1.x转换为Paddle 2.0的变化。如果你确认上述变化没有问题,只需要再执行:

$ paddle_upgrade_tool --inpath /path/to/model.py --write

就会原地改写model.py,将上述变化改写到你的源文件中。 注意:版本转换工具会默认备份源文件,到~/.paddle_upgrade_tool/下。

参数说明如下:

  • –inpath 输入文件路径,可以为单个文件或文件夹。

  • –write 是否原地修改输入的文件,默认值False,表示不修改。如果为True,表示对文件进行原地修改。添加此参数也表示对文件进行原地修改。

  • –backup 可选,是否备份源文件,默认值为~/.paddle_upgrade_tool/,在此路径下备份源文件。

  • –no-log-file 可选,是否需要输出日志文件,默认值为False,即输出日志文件。

  • –log-filepath 可选,输出日志的路径,默认值为report.log,输出日志文件的路径。

  • –no-confirm 可选,输入文件夹时,是否逐文件确认原地写入,只在--write为True时有效,默认值为False,表示需要逐文件确认。

  • –parallel 可选,控制转换文件的并发数,当 no-confirm 为True时不生效,默认值:None

  • –log-level 可选,log级别,可为[‘DEBUG’,‘INFO’,‘WARNING’,‘ERROR’] 默认值:INFO

  • –refactor 可选,debug时使用。

  • –print-match 可选,debug时使用。

使用教程

开始

在使用paddle_upgrade_tool前,需要确保已经安装了Paddle 2.0.0+版本。

import paddle
print (paddle.__version__)
2.0.0

克隆paddlePaddle/models来作为工具的测试。

$ git clone https://github.com/PaddlePaddle/models
Cloning into 'models'...
remote: Enumerating objects: 8, done.
remote: Counting objects: 100% (8/8), done.
remote: Compressing objects: 100% (8/8), done.
remote: Total 35011 (delta 1), reused 0 (delta 0), pack-reused 35003
Receiving objects: 100% (35011/35011), 356.97 MiB | 1.53 MiB/s, done.
Resolving deltas: 100% (23291/23291), done.

查看帮助文档

你可以直接通过下面的方式,查看帮助文档。

$ paddle_upgrade_tool -h
usage: paddle_upgrade_tool [-h] [--log-level {DEBUG,INFO,WARNING,ERROR}]
                           [--no-log-file] [--log-filepath LOG_FILEPATH] -i
                           INPATH [-b [BACKUP]] [-w] [--no-confirm]
                           [-p PARALLEL]
                           [-r {refactor_import,norm_api_alias,args_to_kwargs,refactor_kwargs,api_rename,refactor_with,post_refactor}]
                           [--print-match]

optional arguments:
  -h, --help            show this help message and exit
  --log-level {DEBUG,INFO,WARNING,ERROR}
                        set log level, default is INFO
  --no-log-file         don't log to file
  --log-filepath LOG_FILEPATH
                        set log file path, default is "report.log"
  -i INPATH, --inpath INPATH
                        the file or directory path you want to upgrade.
  -b [BACKUP], --backup [BACKUP]
                        backup directory, default is the
                        "~/.paddle_upgrade_tool/".
  -w, --write           modify files in-place.
  --no-confirm          write files in-place without confirm, ignored without
                        --write.
  -p PARALLEL, --parallel PARALLEL
                        specify the maximum number of concurrent processes to
                        use when refactoring, ignored with --no-confirm.
  -r {refactor_import,norm_api_alias,args_to_kwargs,refactor_kwargs,api_rename,refactor_with,post_refactor}, --refactor {refactor_import,norm_api_alias,args_to_kwargs,refactor_kwargs,api_rename,refactor_with,post_refactor}
                        this is a debug option. Specify refactor you want to
                        run. If none, all refactors will be run.
  --print-match         this is a debug option. Print matched code and node
                        for each file.

Paddle 1.x的例子

这里是一个基于Paddle 1.x实现的一个mnist分类,部分内容如下:

$ head -n 198 models/dygraph/mnist/train.py | tail -n  20
with fluid.dygraph.guard(place):
    if args.ce:
        print("ce mode")
        seed = 33
        np.random.seed(seed)
        fluid.default_startup_program().random_seed = seed
        fluid.default_main_program().random_seed = seed

    if args.use_data_parallel:
        strategy = fluid.dygraph.parallel.prepare_context()
    mnist = MNIST()
    adam = AdamOptimizer(learning_rate=0.001, parameter_list=mnist.parameters())
    if args.use_data_parallel:
        mnist = fluid.dygraph.parallel.DataParallel(mnist, strategy)

    train_reader = paddle.batch(
        paddle.dataset.mnist.train(), batch_size=BATCH_SIZE, drop_last=True)
    if args.use_data_parallel:
        train_reader = fluid.contrib.reader.distributed_batch_reader(
            train_reader)

使用paddle_upgrade_tool进行转化

paddle_upgrade_tool支持单文件的转化,你可以通过下方的命令直接转化单独的文件。

$ paddle_upgrade_tool --inpath models/dygraph/mnist/train.py

注意,对于参数的删除及一些特殊情况,迁移工具都会打印WARNING信息,需要你仔细核对相关内容。 如果你觉得上述信息没有问题,可以直接对文件进行原地修改,方式如下:

$ paddle_upgrade_tool --inpath models/dygraph/mnist/train.py --write

此时,命令行会弹出下方的提示:

"models/dygraph/mnist/train.py" will be modified in-place, and it has been backed up to "~/.paddle_upgrade_tool/train.py_backup_2020_09_09_20_35_15_037821". Do you want to continue? [Y/n]:

输入y 后即开始执行代码迁移。为了高效完成迁移,工具这里采用了原地写入的方式。此外,为了防止特殊情况,工具会备份转换前的代码到 ~/.paddle_upgrade_tool 目录下,如果需要,你可以在备份目录下找到转换前的代码。

代码迁移完成后,会生成一个report.log文件,记录了迁移的详情。内容如下:

$ cat report.log

注意事项

  • 本迁移工具不能完成所有API的迁移,有少量的API需要你手动完成迁移,具体信息可见WARNING。

使用Paddle 2.0

完成迁移后,代码就从Paddle 1.x迁移到了Paddle 2.0,你就可以在Paddle 2.0下进行相关的开发。