BuildStrategy

class paddle.static. BuildStrategy

BuildStrategy 使用户更方便地控制 cn_api_fluid_ParallelExecutor 中计算图的建造方法,可通过设置 ParallelExecutor 中的 BuildStrategy 成员来实现此功能。

返回

BuildStrategy,一个 BuildStrategy 的实例。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

data = static.data(name="x", shape=[None, 1], dtype="float32")
hidden = static.nn.fc(data, size=10)
loss = paddle.mean(hidden)
paddle.optimizer.SGD(learning_rate=0.01).minimize(loss)

build_strategy = static.BuildStrategy()
build_strategy.enable_inplace = True
build_strategy.memory_optimize = True
build_strategy.reduce_strategy = static.BuildStrategy.ReduceStrategy.Reduce
program = static.CompiledProgram(static.default_main_program(), build_strategy=build_strategy)

属性

debug_graphviz_path

str 类型。表示以 graphviz 格式向文件中写入计算图的路径,有利于调试。默认值为空字符串。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.debug_graphviz_path = "./graph"

enable_sequential_execution

bool 类型。如果设置为 True,则算子的执行顺序将与算子定义的执行顺序相同。默认为 False。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.enable_sequential_execution = True

fuse_broadcast_ops

bool 类型。表明是否融合(fuse) broadcast ops。该选项指在 Reduce 模式下有效,使程序运行更快。默认为 False。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.fuse_broadcast_ops = True

fuse_elewise_add_act_ops

bool 类型。表明是否融合(fuse) elementwise_add_op 和 activation_op。这会使整体执行过程更快。默认为 False。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.fuse_elewise_add_act_ops = True

fuse_relu_depthwise_conv

bool 类型。表明是否融合(fuse) relu 和 depthwise_conv2d,节省 GPU 内存并可能加速执行过程。此选项仅适用于 GPU 设备。默认为 False。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.fuse_relu_depthwise_conv = True

gradient_scale_strategy

paddle.static.BuildStrategy.GradientScaleStrategy 类型。在 ParallelExecutor 中,存在三种定义 loss 对应梯度( loss@grad )的方式,分别为 CoeffNumDevice, OneCustomized。默认情况下,ParallelExecutor 根据设备数目来设置 loss@grad。如果用户需要自定义 loss@grad,可以选择 Customized 方法。默认为 CoeffNumDevice

代码示例

import numpy
import paddle
import paddle.static as static

paddle.enable_static()

use_cuda = True
place = paddle.CUDAPlace(0) if use_cuda else paddle.CPUPlace()
exe = static.Executor(place)

data = static.data(name='X', shape=[None, 1], dtype='float32')
hidden = static.nn.fc(data, size=10)
loss = paddle.mean(hidden)
paddle.optimizer.SGD(learning_rate=0.01).minimize(loss)

exe.run(static.default_startup_program())

build_strategy = static.BuildStrategy()
build_strategy.gradient_scale_strategy = \
            static.BuildStrategy.GradientScaleStrategy.Customized
compiled_prog = static.CompiledProgram(
            static.default_main_program(),
            build_strategy=build_strategy,
)

x = numpy.random.random(size=(10, 1)).astype('float32')
loss_grad = numpy.ones((1)).astype("float32") * 0.01
loss_grad_name = loss.name+"@GRAD"
loss_data = exe.run(compiled_prog,
                        feed={"X": x, loss_grad_name : loss_grad},
                        fetch_list=[loss.name, loss_grad_name])

memory_optimize

bool 类型或 None。设为 True 时可用于减少总内存消耗,False 表示不使用,None 表示框架会自动选择使用或者不使用优化策略。当前,None 意味着当 GC 不能使用时,优化策略将被使用。默认为 None。

reduce_strategy

static.BuildStrategy.ReduceStrategy 类型。在 ParallelExecutor 中,存在两种参数梯度聚合策略,即 AllReduceReduce。如果用户需要在所有执行设备上独立地进行参数更新,可以使用 AllReduce。如果使用 Reduce 策略,所有参数的优化将均匀地分配给不同的执行设备,随之将优化后的参数广播给其他执行设备。 默认值为 AllReduce

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.reduce_strategy = static.BuildStrategy.ReduceStrategy.Reduce

remove_unnecessary_lock

bool 类型。设置 True 会去除 GPU 操作中的一些锁操作,ParallelExecutor 将运行得更快,默认为 True。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.remove_unnecessary_lock = True

sync_batch_norm

bool 类型。表示是否使用同步的批正则化,即在训练阶段通过多个设备同步均值和方差。当前的实现不支持 FP16 训练和 CPU。并且目前**仅支持**仅在一台机器上进行同步式批正则。默认为 False。

代码示例

import paddle
import paddle.static as static

paddle.enable_static()

build_strategy = static.BuildStrategy()
build_strategy.sync_batch_norm = True

使用本API的教程文档