load¶

paddle.utils.cpp_extension. load ( name, sources, extra_cxx_cflags=None, extra_cuda_cflags=None, extra_ldflags=None, extra_include_paths=None, build_directory=None, verbose=False ) [源代码] ¶

此接口将即时编译（Just-In-Time）传入的自定义 OP 对应的 cpp 和 cuda 源码文件，返回一个包含自定义算子 API 的 Module 对象。

其通过子进程的方式，在后台隐式地执行源码文件编译、符号链接、动态库生成、组网 API 接口生成等一系列过程。不需要本地预装 CMake 或者 Ninja 等工具命令，仅需必要的编译器命令环境，Linux 下需安装版本不低于 5.4 的 GCC，并软链到 /usr/bin/cc ，Windows 下需安装版本不低于 2017 的 Visual Studio；若编译支持 GPU 设备的算子，则需要提前安装 CUDA，其中自带 nvcc 编译环境。

在编译前会执行 ABI 兼容性检查 ，即检查编译器版本是否与本地安装的 Paddle 一致。如在 Linux 下，对于 CUDA 10.1 以上的 Paddle 默认使用 GCC 8.2 编译，则本地 cc 对应的编译器版本也需为 8.2，在 Windows 下，Paddle 使用 Visualt Studio 2017 编译，则本地也需安装 大于 2017 的 Visual Studio，如果不满足，则可能由于 ABI 兼容性原因引发自定义 OP 编译或执行报错。Mac 下默认使用 clang 进行编译，无 ABI 兼容性问题。

相对于 setup 的方式，此接口不需要额外的 setup.py 文件和 python setup.py install 命令，load 接口包含了一键执行自定义 OP 的编译和加载的全部流程。

使用样例如下：

import paddle
from paddle.utils.cpp_extension import load

custom_op_module = load(
    name="op_shared_libary_name",                # 生成动态链接库的名称
    sources=['relu_op.cc', 'relu_op.cu'],        # 自定义 OP 的源码文件列表
    extra_cxx_cflags=['-g', '-w'],               # 可选，指定编译。cc/.cpp 文件时额外的编译选项
    extra_cuda_cflags=['-O2'],                   # 可选，指定编译。cu 文件时额外的编译选项
    verbose=True                                 # 可选，打印编译过程中的日志信息
)

x = paddle.randn([4, 10], dtype='float32')
out = custom_op_module.relu(x)