[实现飞桨框架动态图反向图的可视化] 设计文档 #535
Conversation
|
哈喽 请问这个项目你们完成的进度怎么样了，队里几个人呀 |
进度是目前只写了一个RFC文档, 导师还没有进行审核. 目前项目进展有个难点, 对于paddle中python调用c++的流程细节还没有梳理清楚, 目前还不能进行调试 |
There was a problem hiding this comment.
设计文档还需要细化：
- 获取paddle的反向图的节点信息
- 将反向图的节点信息暴露给pythonAPI
这两点是本项目的难点： - tensor.grad_fn 应该在paddle/fluid/pybind/eager_properties.cc中实现。可以通过:
auto meta = egr::EagerUtils::nullable_autograd_meta(self->tensor);
meta.GradNode()
获取到GradNode - 需要参考paddle/fluid/pybind/eager.cc中的BindEager函数。将GradNode作为一个类型暴露给Python。BindEager通过调用PyModule_AddObject将Tensor暴露给了Python。你可以参考一下。
- next_functions是GradNode暴露到Python端的类型的一个属性。需要参考paddle/fluid/pybind/eager_properties.cc实现。eager_properties.cc里是将Tensor的属性暴露的具体实现源码。
- next_functions需要获取GradNode的后继节点的所有GradNode。获取方法可以参考：
const paddle::small_vector<std::vector, kSlotSmallVectorSize>& metas = node->OutputMeta();
for (const auto& meta_list : metas) {
for (const GradSlotMeta& meta : meta_list) {
const auto& edge = meta.GetEdge();
GradNodeBase* next_node = edge.GetMutableGradNode().get();
}
}
实现。
python调用c++的流程是不是可以通过开发成c++算子实现？ |
流程应该是一致的, 将c++实现的函数 暴露出来给到python进行调用. |
|
@ZS-YANG 如果有兴趣参加，可以联系运营加群 |
| // Get the GradNode from meta | ||
| auto grad_node = meta.GradNode(); // Convert GradNode to a Python object | ||
| // The conversion will depend on the structure of GradNode. | ||
| PyObject* py_grad_node = GradooNodeToPyObject(grad_node); // You need to implement GradooNodeToPyObject according to the actual GradNode structure. return py_grad_node; |
There was a problem hiding this comment.
GradooNodeToPyObject这个命名改成ToPyObject吧~
然后实现方法可以参考如下代码：
PyObject* ToPyObject(const platform::Place& value) {
auto obj = ::pybind11::cast(value);
obj.inc_ref();
return obj.ptr();
}
哈喽导师，想问下咱们用什么软件在什么平台下开发呀。我现在在pyharm下看代码，感觉pycham看c++代码有些不方便 |
我们内部大多数人用的都是VSCode。其实用什么IDE我觉得都可以，只要用着舒服。 |
赛题七：实现飞桨框架动态图反向图的可视化 设计文档