paddlepaddle操作(一)

• 三个在重要术语：

  Fluid:定义程序执行流程
  Program:对用户来说一个完整的程序
  Executor:执行器，执行程序

张量：
张量(Tensor):多维数组或向量，同其它主流深度学习框架一样，PaddlePaddle使用张量来承载数据

Layer:
表示一个独立的计算逻辑，通常包含一个或多个operator(操作)，如layers.relu表示ReLU计算;layers.pool2d表示pool操作。Layer的输入和输出为Variable。
Variable:
表示一个变量，可以是一个张量(Tensor)，也可以是其它类型。Variable进入Layer计算，然后Layer返回Variable。创建变量方式:

program:
Program包含Variable定义的多个变量和Layer定义的多个计算，是一套完整的计算逻辑。从用户角度来看，Program是顺序、完整执行的。
Executor:
Executor用来接收并执行Program，会一次执行Program中定义的所有计算。通过feed来传入参数，通过fetch_list来获取执行结果。

place:
PaddlePaddle可以运行在lntel CPU，Nvidia GPU，ARM CPU和更多嵌入式设备上，可以通过Place用来指定执行的设备(CPU或GPU)。

optimizer:
优化器，用于优化网络，一般用来对损失函数做梯度下降优化，从而求得最小损失值

程序的执行过程：

数据准备
什么是数据准备：

数据准备是指将样本数据从外部（主要指文件)读入，并且按照一
定方式(随机、批量)传递给神经网络，进行训练或测试的过程数据准备包含三个步骤:
第一步:自定义Reader生成训练/预测数据
第二步:在网络配置中定义数据层变量
第三步:将数据送入网络进行训练/预测

#自定义个文件读取，用python装饰器
import numpy
import paddle
def reader_creator(file_path):
    def reader():
        with open(file_path, "r") as f:
            lines = f.readlines()
            for line in lines:
                yield line.replace("\n","")
    return reader
reader = reader_creator("test.txt")#原始顺序的读取器
shuffle_reader = paddle.reader.shuffle(reader,10)#10是缓冲区的大小,随机读取器
batch_reader = paddle.batch(shuffle_reader,3)#随机批次读取器

# for data in reader():
# for data in shuffle_reader():
for data in batch_reader():
    print(data, end="")

模型的加载与保护
预测模型的加载与保存：

保存预测模型:
fluid.io.save_inference_model(dirname, feeded_var_names, target_vars, executor)
参数说明:
dirname(str):保存预测model的路径
feeded_var_names(list[str]):预测需要feed的数据
target_vars(list[Variable])︰保存预测结果的Variables
executor(Executor): executor保存inference model

加载预测模型:
fluid.io.load_inference_model(dirname, executor)
参数说明:
dirname (str)一保存预测model的路径
executor(Executor)-运行模型的Executor
返回值说明:
Program :用于预测的Program
feed_target_names(str列表)︰预测Program中提供数据的变量的名称fetch_targets(Variable列表)︰存放预测结果

增量模型的保存与加载：

保存增量模型:
fluid.io.save_persistables(executor, dirname, main_program=None)
参数说明:
executor (Executor):保存变量的executor
dirname (str):保存模型的路径
main_program (ProgramNone):需要保存变量的Program。如果为None，则使用default_main_Program

加载增量模型:
fluid.io.load_persistables(executor, dirname, main_program=None)
参数说明:
executor (Executor): 加载变量的executor
dirname(str):保存增量模型的路径
main_ program (ProgramNone):需要加载变量的 Program。如果为None，则使用default_main_Program

fluid API结构图：