io

batch

  • paddle.fluid.layers.batch(reader, batch_size)

  • 该层是一个reader装饰器。接受一个reader变量并添加batching装饰。读取装饰的reader，输出数据自动组织成batch的形式。

  • 参数：

    • reader (Variable)-装饰有“batching”的reader变量
    • batch_size (int)-批尺寸返回：装饰有batching的reader变量

返回类型：变量(Variable)

代码示例：

  1. import paddle.fluid as fluid
  2. raw_reader = fluid.layers.io.open_files(filenames=['./data1.recordio',
  3.                                            './data2.recordio'],
  4.                                     shapes=[(3,224,224), (1,)],
  5.                                     lod_levels=[0, 0],
  6.                                     dtypes=['float32', 'int64'],
  7.                                     thread_num=2,
  8.                                     buffer_size=2)
  9. batch_reader = fluid.layers.batch(reader=raw_reader, batch_size=5)
  10.  
  11. # 如果用raw_reader读取数据：
  12. #     data = fluid.layers.read_file(raw_reader)
  13. # 只能得到数据实例。
  14. #
  15. # 但如果用batch_reader读取数据：
  16. #     data = fluid.layers.read_file(batch_reader)
  17. # 每5个相邻的实例自动连接成一个batch。因此get('data')得到的是一个batch数据而不是一个实例。

create_py_reader_by_data

  • paddle.fluid.layers.createpy_reader_by_data(_capacity, feed_list, name=None, use_double_buffer=True)
  • 创建一个 Python reader用于在python中提供数据,该函数将返回一个 reader 变量。

它的工作方式与 py_reader 非常相似，除了它的输入是一个 feed_list 而不是 shapes、 dtypes 和 lod_level

  • 参数：
    • capacity (int) - 缓冲区容量由 py_reader 维护
    • feed_list (list(Variable)) - 传输数据列表
    • name (basestring) - 前缀Python队列名称和 reader 名称。不定义时将自动生成名称。
    • use_double_buffer (bool) - 是否使用 double buffer返回： Variable: 一种reader，我们可以从中获得输入数据。

代码示例：

py_reader 的基本用法如下所示：
  1. import paddle
  2. import paddle.fluid as fluid
  3. import paddle.dataset.mnist as mnist
  4.  
  5. def network(img, label):
  6.     # 用户自定义网络。此处以一个简单的线性回归作为示例。
  7.     predict = fluid.layers.fc(input=img, size=10, act='softmax')
  8.     loss = fluid.layers.cross_entropy(input=predict, label=label)
  9.     return fluid.layers.mean(loss)
  10.  
  11. image = fluid.layers.data(name='image', shape=[1, 28, 28], dtypes='float32')
  12. label = fluid.layers.data(name='label', shape=[1], dtypes='int64')
  13. reader = fluid.layers.create_py_reader_by_data(capacity=64,
  14.                                                feed_list=[image, label])
  15. reader.decorate_paddle_reader(
  16.     paddle.reader.shuffle(paddle.batch(mnist.train(), batch_size=5), buf_size=500))
  17. img, label = fluid.layers.read_file(reader)
  18. loss = network(img, label) # 一些网络定义
  19.  
  20. fluid.Executor(fluid.CUDAPlace(0)).run(fluid.default_startup_program())
  21.  
  22. exe = fluid.ParallelExecutor(use_cuda=True, loss_name=loss.name)
  23. for epoch_id in range(10):
  24.     reader.start()
  25.     try:
  26.         while True:
  27.             exe.run(fetch_list=[loss.name])
  28.     except fluid.core.EOFException:
  29.         reader.reset()

data

  • paddle.fluid.layers.data(name, shape, append_batch_size=True, dtype='float32', lod_level=0, type=VarType.LOD_TENSOR, stop_gradient=True)
  • 数据层(Data Layer)

该功能接受输入数据，判断是否需要以minibatch方式返回数据，然后使用辅助函数创建全局变量。该全局变量可由计算图中的所有operator访问。

这个函数的所有输入变量都作为本地变量传递给LayerHelper构造函数。

请注意，paddle在编译期间仅使用shape来推断网络中以下变量的形状。在运行期间，paddle不会检查所需数据的形状是否与此函数中的形状设置相匹配。

  • 参数：

    • name (str)-函数名或函数别名

    • shape (list)-声明维度信息的list。如果 append_batch_size 为True且内部没有维度值为-1，则应将其视为每个样本的形状。 否则，应将其视为batch数据的形状。

    • append_batch_size (bool)-

1.如果为真，则在维度shape的开头插入-1。例如，如果shape=[1],则输出shape为[-1,1]。这对在运行期间设置不同的batch大小很有用。

2.如果维度shape包含-1，比如shape=[-1,1]。append_batch_size会强制变为为False（表示无效），因为PaddlePaddle不能在shape上设置一个以上的未知数。

  • dtype (np.dtype|VarType|str)-数据类型：float32,float_16,int等

  • type (VarType)-输出类型。默认为LOD_TENSOR

  • lod_level (int)-LoD层。0表示输入数据不是一个序列

  • stop_gradient (bool)-布尔类型，提示是否应该停止计算梯度

返回：全局变量，可进行数据访问

返回类型：变量(Variable)

代码示例：

  1. import paddle.fluid as fluid
  2. data = fluid.layers.data(name='x', shape=[784], dtype='float32')

double_buffer

  • paddle.fluid.layers.doublebuffer(_reader, place=None, name=None)

  • 生成一个双缓冲队列reader. 数据将复制到具有双缓冲队列的位置（由place指定），如果 place=none 则将使用executor执行的位置。

  • 参数:

    • reader (Variable) – 需要wrap的reader
    • place (Place) – 目标数据的位置. 默认是executor执行样本的位置.
    • name (str) – Variable 的名字. 默认为None，不关心名称时也可以设置为None返回： 双缓冲队列的reader

代码示例

  1. import paddle.fluid as fluid
  2. reader = fluid.layers.open_files(filenames=['mnist.recordio'],
  3.          shapes=[[-1, 784], [-1, 1]],
  4.          dtypes=['float32', 'int64'])
  5. reader = fluid.layers.double_buffer(reader)
  6. img, label = fluid.layers.read_file(reader)

load

  • paddle.fluid.layers.load(out, file_path, load_as_fp16=None)
  • Load操作命令将从磁盘文件中加载LoDTensor/SelectedRows变量。
  1. import paddle.fluid as fluid
  2. tmp_tensor = fluid.layers.create_tensor(dtype='float32')
  3. fluid.layers.load(tmp_tensor, "./tmp_tensor.bin")
  • 参数：
    • out (Variable)-需要加载的LoDTensor或SelectedRows
    • file_path (STRING)-预从“file_path”中加载的变量Variable
    • load_as_fp16 (BOOLEAN)-如果为真，张量首先进行加载然后类型转换成float16。如果为假，张量将直接加载，不需要进行数据类型转换。默认为false。返回：None

open_files

  • paddle.fluid.layers.openfiles(_filenames, shapes, lod_levels, dtypes, thread_num=None, buffer_size=None, pass_num=1, is_test=None)
  • 打开文件(Open files)

该函数获取需要读取的文件列表，并返回Reader变量。通过Reader变量，我们可以从给定的文件中获取数据。所有文件必须有名称后缀来表示它们的格式，例如，*.recordio。

  • 参数：
    • filenames (list)-文件名列表
    • shape (list)-元组类型值列表，声明数据维度
    • lod_levels (list)-整形值列表，声明数据的lod层级
    • dtypes (list)-字符串类型值列表，声明数据类型
    • thread_num (None)-用于读文件的线程数。默认：min(len(filenames),cpu_number)
    • buffer_size (None)-reader的缓冲区大小。默认：3*thread_num
    • pass_num (int)-用于运行的传递数量
    • is_test (bool|None)-open_files是否用于测试。如果用于测试，生成的数据顺序和文件顺序一致。反之，无法保证每一epoch之间的数据顺序是一致的返回：一个Reader变量，通过该变量获取文件数据

返回类型：变量(Variable)

代码示例：

  1. import paddle.fluid as fluid
  2. reader = fluid.layers.io.open_files(filenames=['./data1.recordio',
  3.                                         './data2.recordio'],
  4.                                 shapes=[(3,224,224), (1,)],
  5.                                 lod_levels=[0, 0],
  6.                                 dtypes=['float32', 'int64'])
  7.  
  8. # 通过reader, 可使用''read_file''层获取数据:
  9. image, label = fluid.layers.io.read_file(reader)

Preprocessor

  • class paddle.fluid.layers.Preprocessor(reader, name=None)

  • reader变量中数据预处理块。

  • 参数：

    • reader (Variable)-reader变量
    • name (str,默认None)-reader的名称代码示例:
  1. import paddle.fluid as fluid
  2. reader = fluid.layers.io.open_files(
  3.     filenames=['./data1.recordio', './data2.recordio'],
  4.     shapes=[(3, 224, 224), (1, )],
  5.     lod_levels=[0, 0],
  6.     dtypes=['float32', 'int64'])
  7.  
  8. preprocessor = fluid.layers.io.Preprocessor(reader=reader)
  9. with preprocessor.block():
  10.     img, lbl = preprocessor.inputs()
  11.     img_out = img / 2
  12.     lbl_out = lbl + 1
  13.     preprocessor.outputs(img_out, lbl_out)
  14. data_file = fluid.layers.io.double_buffer(preprocessor())

py_reader

  • paddle.fluid.layers.pyreader(_capacity, shapes, dtypes, lod_levels=None, name=None, use_double_buffer=True)
  • 创建一个由在Python端提供数据的reader

该layer返回一个Reader Variable。reader提供了 decorate_paddle_reader() 和 decorate_tensor_provider() 来设置Python generator作为数据源。更多细节请参考 异步数据读取，在c++端调用 Executor::Run() 时，来自generator的数据将被自动读取。与 DataFeeder.feed() 不同，数据读取进程和 Executor::Run() 进程可以使用 py_reader 并行运行。reader的 start() 方法应该在每次数据传递开始时调用，在传递结束和抛出 fluid.core.EOFException 后执行 reset() 方法。注意， Program.clone() 方法不能克隆 py_reader 。

  • 参数:
    • capacity (int) – py_reader 维护的缓冲区容量
    • shapes (list|tuple) –数据形状的元组或列表
    • dtypes (list|tuple) – shapes 对应元素的数据类型
    • lod_levels (list|tuple) – lod_level的整型列表或元组
    • name (basestring) – python 队列的前缀名称和Reader 名称。不会自动生成。
    • use_double_buffer (bool) – 是否使用双缓冲返回: reader，从reader中可以获取feed的数据

返回类型: Variable

代码示例

1.py_reader 基本用法如下

  1. import paddle
  2. import paddle.fluid as fluid
  3. import paddle.dataset.mnist as mnist
  4.  
  5. def network(image, label):
  6.   # 用户自定义网络，此处以softmax回归为例
  7.   predict = fluid.layers.fc(input=image, size=10, act='softmax')
  8. return fluid.layers.cross_entropy(input=predict, label=label)
  9.  
  10. reader = fluid.layers.py_reader(capacity=64,
  11.         shapes=[(-1,1, 28, 28), (-1,1)],
  12.         dtypes=['float32', 'int64'])
  13. reader.decorate_paddle_reader(
  14.     paddle.reader.shuffle(paddle.batch(mnist.train(), batch_size=5),buf_size=1000))
  15.  
  16. img, label = fluid.layers.read_file(reader)
  17. loss = network(img, label) # 一些网络定义
  18.  
  19. fluid.Executor(fluid.CUDAPlace(0)).run(fluid.default_startup_program())
  20.  
  21. exe = fluid.ParallelExecutor(use_cuda=True, loss_name=loss.name)
  22. for epoch_id in range(10):
  23.     reader.start()
  24.     try:
  25.   while True:
  26.       exe.run(fetch_list=[loss.name])
  27.     except fluid.core.EOFException:
  28.   reader.reset()
  29.  
  30.   fluid.io.save_inference_model(dirname='./model', feeded_var_names=[img.name, label.name],target_vars=[loss], executor=fluid.Executor(fluid.CUDAPlace(0)))

2.训练和测试应使用不同的名称创建两个不同的py_reader，例如：

  1. import paddle
  2. import paddle.fluid as fluid
  3. import paddle.dataset.mnist as mnist
  4.  
  5. def network(reader):
  6.   img, label = fluid.layers.read_file(reader)
  7.   # 用户自定义网络，此处以softmax回归为例
  8.   predict = fluid.layers.fc(input=img, size=10, act='softmax')
  9.  
  10.   loss = fluid.layers.cross_entropy(input=predict, label=label)
  11.  
  12.   return fluid.layers.mean(loss)
  13.  
  14. # 新建 train_main_prog 和 train_startup_prog
  15. train_main_prog = fluid.Program()
  16. train_startup_prog = fluid.Program()
  17. with fluid.program_guard(train_main_prog, train_startup_prog):
  18.   # 使用 fluid.unique_name.guard() 实现与test program的参数共享
  19.   with fluid.unique_name.guard():
  20.     train_reader = fluid.layers.py_reader(capacity=64, shapes=[(-1, 1, 28, 28), (-1, 1)], dtypes=['float32', 'int64'], name='train_reader')
  21.     train_reader.decorate_paddle_reader(
  22.       paddle.reader.shuffle(paddle.batch(mnist.train(), batch_size=5), buf_size=500))
  23.   train_loss = network(train_reader) # 一些网络定义
  24.   adam = fluid.optimizer.Adam(learning_rate=0.01)
  25.   adam.minimize(train_loss)
  26.  
  27. # Create test_main_prog and test_startup_prog
  28. test_main_prog = fluid.Program()
  29. test_startup_prog = fluid.Program()
  30. with fluid.program_guard(test_main_prog, test_startup_prog):
  31.   # 使用 fluid.unique_name.guard() 实现与train program的参数共享
  32.   with fluid.unique_name.guard():
  33.     test_reader = fluid.layers.py_reader(capacity=32, shapes=[(-1, 1, 28, 28), (-1, 1)], dtypes=['float32', 'int64'], name='test_reader')
  34.               test_reader.decorate_paddle_reader(paddle.batch(mnist.test(), 512))
  35.  
  36.     test_loss = network(test_reader)
  37.  
  38. fluid.Executor(fluid.CUDAPlace(0)).run(train_startup_prog)
  39. fluid.Executor(fluid.CUDAPlace(0)).run(test_startup_prog)
  40.  
  41. train_exe = fluid.ParallelExecutor(use_cuda=True,
  42.     loss_name=train_loss.name, main_program=train_main_prog)
  43. test_exe = fluid.ParallelExecutor(use_cuda=True,
  44.     loss_name=test_loss.name, main_program=test_main_prog)
  45. for epoch_id in range(10):
  46.     train_reader.start()
  47.     try:
  48.   while True:
  49.       train_exe.run(fetch_list=[train_loss.name])
  50.     except fluid.core.EOFException:
  51.   train_reader.reset()
  52.  
  53.     test_reader.start()
  54.     try:
  55.   while True:
  56.       test_exe.run(fetch_list=[test_loss.name])
  57.     except fluid.core.EOFException:
  58.   test_reader.reset()

random_data_generator

  • paddle.fluid.layers.randomdata_generator(_low, high, shapes, lod_levels, for_parallel=True)
  • 创建一个均匀分布随机数据生成器.

该层返回一个Reader变量。该Reader变量不是用于打开文件读取数据，而是自生成float类型的均匀分布随机数。该变量可作为一个虚拟reader来测试网络，而不需要打开一个真实的文件。

  • 参数：
    • low (float)–数据均匀分布的下界
    • high (float)-数据均匀分布的上界
    • shapes (list)-元组数列表，声明数据维度
    • lod_levels (list)-整形数列表，声明数据
    • for_parallel (Bool)-若要运行一系列操作命令则将其设置为True返回：Reader变量，可从中获取随机数据

返回类型：变量(Variable)

代码示例：

  1. import paddle.fluid as fluid
  2. reader = fluid.layers.random_data_generator(
  3.                              low=0.0,
  4.                              high=1.0,
  5.                              shapes=[[3,224,224], [1]],
  6.                              lod_levels=[0, 0])
  7. # 通过reader, 可以用'read_file'层获取数据:
  8. image, label = fluid.layers.read_file(reader)

read_file

  • paddle.fluid.layers.readfile(_reader)
  • 执行给定的reader变量并从中获取数据

reader也是变量。可以为由fluid.layers.open_files()生成的原始reader或者由fluid.layers.double_buffer()生成的装饰变量，等等。

  • 参数：
    • reader (Variable)-将要执行的reader返回：从给定的reader中读取数据

返回类型: tuple（元组）

代码示例：

  1. import paddle.fluid as fluid
  2. data_file = fluid.layers.open_files(
  3.     filenames=['mnist.recordio'],
  4.     shapes=[(-1, 748), (-1, 1)],
  5.     lod_levels=[0, 0],
  6.     dtypes=["float32", "int64"])
  7. data_file = fluid.layers.double_buffer(
  8.     fluid.layers.batch(data_file, batch_size=64))
  9. input, label = fluid.layers.read_file(data_file)

shuffle

  • paddle.fluid.layers.shuffle(reader, buffer_size)

  • 创建一个特殊的数据读取器，它的输出数据会被重洗(shuffle)。由原始读取器创建的迭代器得到的输出将会被暂存到shuffle缓存区，其后会对其进行重洗运算。shuffle缓存区的大小由参数 buffer_size 决定。

  • 参数:

    • reader (callable) – 输出会被shuffle的原始reader
    • buffer_size (int) – 进行shuffle的buffer的大小返回:其输出会被shuffle的一个reader（读取器）

返回类型:callable

代码示例：

  1. import paddle.fluid as fluid
  2. raw_reader = fluid.layers.io.open_files(filenames=['./data1.recordio',
  3.                                                './data2.recordio'],
  4.                                         shapes=[(3,224,224), (1,)],
  5.                                         lod_levels=[0, 0],
  6.                                         dtypes=['float32', 'int64'],
  7.                                         thread_num=2,
  8.                                         buffer_size=2)
  9. batch_reader = fluid.layers.batch(reader=raw_reader, batch_size=5)
  10. shuffle_reader = fluid.layers.shuffle(reader=batch_reader, buffer_size=5000)