DataFeeder

  • class paddle.fluid.DataFeeder(feed_list, place, program=None)[源代码]

DataFeeder 负责将reader(读取器)返回的数据转成一种特殊的数据结构,使它们可以输入到 ExecutorParallelExecutor 中。 reader通常返回一个minibatch条目列表。在列表中每一条目都是一个样本(sample),它是由具有一至多个特征的列表或元组组成的。

以下是简单用法:

  1. import paddle.fluid as fluid
  2. place = fluid.CPUPlace()
  3. img = fluid.layers.data(name='image', shape=[1, 28, 28])
  4. label = fluid.layers.data(name='label', shape=[1], dtype='int64')
  5. feeder = fluid.DataFeeder([img, label], fluid.CPUPlace())
  6. result = feeder.feed([([0] * 784, [9]), ([1] * 784, [1])])

在多GPU模型训练时,如果需要提前分别向各GPU输入数据,可以使用 decorate_reader 函数。

  1. import paddle
  2. import paddle.fluid as fluid
  3.  
  4. place=fluid.CUDAPlace(0)
  5. data = fluid.layers.data(name='data', shape=[3, 224, 224], dtype='float32')
  6. label = fluid.layers.data(name='label', shape=[1], dtype='int64')
  7.  
  8. feeder = fluid.DataFeeder(place=place, feed_list=[data, label])
  9. reader = feeder.decorate_reader(
  10. paddle.batch(paddle.dataset.flowers.train(), batch_size=16), multi_devices=False)
  • 参数:
    • feed_list (list) – 向模型输入的变量表或者变量表名
    • place (Place) – place表明是向GPU还是CPU中输入数据。如果想向GPU中输入数据, 请使用 fluid.CUDAPlace(i) (i 代表 the GPU id);如果向CPU中输入数据, 请使用 fluid.CPUPlace()
    • program (Program) – 需要向其中输入数据的Program。如果为None, 会默认使用 default_main_program()。 缺省值为None
  • 抛出异常:
    • ValueError – 如果一些变量不在此 Program 中

代码示例

  1. import numpy as np
  2. import paddle
  3. import paddle.fluid as fluid
  4.  
  5. place = fluid.CPUPlace()
  6.  
  7. def reader():
  8. yield [np.random.random([4]).astype('float32'), np.random.random([3]).astype('float32')],
  9.  
  10. main_program = fluid.Program()
  11. startup_program = fluid.Program()
  12.  
  13. with fluid.program_guard(main_program, startup_program):
  14. data_1 = fluid.layers.data(name='data_1', shape=[1, 2, 2])
  15. data_2 = fluid.layers.data(name='data_2', shape=[1, 1, 3])
  16. out = fluid.layers.fc(input=[data_1, data_2], size=2)
  17. # ...
  18.  
  19. feeder = fluid.DataFeeder([data_1, data_2], place)
  20.  
  21. exe = fluid.Executor(place)
  22. exe.run(startup_program)
  23. for data in reader():
  24. outs = exe.run(program=main_program,
  25. feed=feeder.feed(data),
  26. fetch_list=[out])
  • feed(iterable)

根据feed_list(数据输入表)和iterable(可遍历的数据)提供的信息,将输入数据转成一种特殊的数据结构,使它们可以输入到 ExecutorParallelExecutor 中。

  • 参数:
    • iterable (list|tuple) – 要输入的数据

返回: 转换结果

返回类型: dict

代码示例

  1. import numpy.random as random
  2. import paddle.fluid as fluid
  3.  
  4. def reader(limit=5):
  5. for i in range(limit):
  6. yield random.random([784]).astype('float32'), random.random([1]).astype('int64'), random.random([256]).astype('float32')
  7.  
  8. data_1 = fluid.layers.data(name='data_1', shape=[1, 28, 28])
  9. data_2 = fluid.layers.data(name='data_2', shape=[1], dtype='int64')
  10. data_3 = fluid.layers.data(name='data_3', shape=[16, 16], dtype='float32')
  11. feeder = fluid.DataFeeder(['data_1','data_2', 'data_3'], fluid.CPUPlace())
  12.  
  13. result = feeder.feed(reader())
  • feed_parallel(iterable, num_places=None)

该方法获取的多个minibatch,并把每个minibatch提前输入进各个设备中。

  • 参数:
    • iterable (list|tuple) – 要输入的数据
    • num_places (int) – 设备数目。默认为None。

返回: 转换结果

返回类型: dict

注解

设备(CPU或GPU)的数目必须等于minibatch的数目

代码示例

  1. import numpy.random as random
  2. import paddle.fluid as fluid
  3.  
  4. def reader(limit=10):
  5. for i in range(limit):
  6. yield [random.random([784]).astype('float32'), random.random([1]).astype('float32')],
  7.  
  8. x = fluid.layers.data(name='x', shape=[1, 28, 28])
  9. y = fluid.layers.data(name='y', shape=[1], dtype='float32')
  10.  
  11. fluid.layers.elementwise_add(x, y)
  12.  
  13. feeder = fluid.DataFeeder(['x','y'], fluid.CPUPlace())
  14. place_num = 2
  15. places = [fluid.CPUPlace() for x in range(place_num)]
  16. data = []
  17. exe = fluid.Executor(fluid.CPUPlace())
  18. exe.run(fluid.default_startup_program())
  19. program = fluid.CompiledProgram(fluid.default_main_program()).with_data_parallel(places=places)
  20. for item in reader():
  21. data.append(item)
  22. if place_num == len(data):
  23. exe.run(program=program, feed=list(feeder.feed_parallel(data, place_num)), fetch_list=[])
  24. data = []
  • decorate_reader(reader, multi_devices, num_places=None, drop_last=True)

将reader返回的输入数据batch转换为多个mini-batch,之后每个mini-batch都会被输入进各个设备(CPU或GPU)中。

  • 参数:
    • reader (fun) – 该参数是一个可以生成数据的函数
    • multi_devices (bool) – bool型,指明是否使用多个设备
    • num_places (int) – 如果 multi_devicesTrue , 可以使用此参数来设置GPU数目。如果 multi_devicesNone ,该函数默认使用当前训练机所有GPU设备。默认为None。
    • drop_last (bool) – 如果最后一个batch的大小比 batch_size 要小,则可使用该参数来指明是否选择丢弃最后一个batch数据。 默认为 True

返回:转换结果

返回类型: dict

抛出异常: ValueError – 如果 drop_last 值为False并且data batch与设备不匹配时,产生此异常

代码示例

  1. import numpy.random as random
  2. import paddle
  3. import paddle.fluid as fluid
  4.  
  5. def reader(limit=5):
  6. for i in range(limit):
  7. yield (random.random([784]).astype('float32'), random.random([1]).astype('int64')),
  8.  
  9. place=fluid.CPUPlace()
  10. data = fluid.layers.data(name='data', shape=[1, 28, 28], dtype='float32')
  11. label = fluid.layers.data(name='label', shape=[1], dtype='int64')
  12.  
  13. feeder = fluid.DataFeeder(place=place, feed_list=[data, label])
  14. reader = feeder.decorate_reader(reader, multi_devices=False)
  15.  
  16. exe = fluid.Executor(place)
  17. exe.run(fluid.default_startup_program())
  18. for data in reader():
  19. exe.run(feed=data)