PaConvert是一个代码转换工具,能自动将其它深度学习框架训练或推理的代码,转换为PaddlePaddle的代码,方便代码迁移。
目前支持自动转换Pytorch代码,其它深度学习框架的支持后续新增中,其原理是通过Python AST语法树分析,将输入代码生成为抽象语法树,对其进行解析、遍历、匹配、编辑、替换、插入等各种操作,然后得到基于PaddlePaddle的抽象语法树,最后生成Paddle的代码。
转换会尽量保持原代码的风格与结构,将代码中其它深度学习框架的接口转换为调用PaddlePaddle的接口。
转换时会尽可能保证原代码的行数不变,但某些情形下原来的1行代码会转换成多行。例如:
转换前:
import torch
y = torch.transpose(image, 1, 0)
转换后:
import paddle
x = image
perm_0 = list(range(x.ndim))
perm_0[0] = 1
perm_0[1] = 0
y = paddle.transpose(x=x, perm=perm_0)
这是由于两者API的用法差异,无法通过一行代码来完成,需要增加若干辅助行来实现相同功能。
转换过程中不会改动原文件,会将原项目文件一一转换到 out_dir
指定的文件夹中,方便前后对比。对不同类型的文件的处理逻辑分别为:
- Python代码文件:识别代码中调用其它深度学习框架的接口并转换
- requirements.txt: 替换其中的安装依赖为
paddlepaddle-gpu
- 其他文件:原样拷贝
由于使用了一些较新的Python语法树特性,你需要使用>=python3.8的解释器。
- 使用pip安装
python3.8 -m pip install -U paconvert
paconvert -in_dir torch_project [--out_dir paddle_project] [--exclude_dirs exclude_dirs] [--log_dir log_dir] [--log_level "DEBUG"] [--run_check 1]
- 使用源码安装
git clone https://github.com/PaddlePaddle/PaConvert.git
python3.8 paconvert/main.py --in_dir torch_project [--out_dir paddle_project] [--exclude_dirs exclude_dirs] [--log_dir log_dir] [--log_level "DEBUG"] [--run_check 1]
参数介绍
--in_dir 输入torch项目文件,可以为单个文件或文件夹
--out_dir 可选,输出paddle项目文件,可以为单个文件或文件夹,默认在当前目录下创建./paddle_project/
--exclude_dirs 可选,排除转换的文件或文件夹,排除多项时请用逗号分隔,默认不排除
--log_dir 可选,输出日志的路径,默认会在终端上打印日志
--log_level 可选,打印log等级,仅支持"INFO" "DEBUG",默认"INFO"
--run_check 可选,工具自检
以下面Pytorch代码为例,转换前:
import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.Linear as Linear
import torch.nn.functional as F
class MyNet(nn.Module):
test = "str"
def __init__(self):
self._fc1 = torch.nn.Linear(10, 10)
self._fc2 = nn.Linear(10, 10)
self._fc3 = Linear(10, 10)
@torch.no_grad()
def forward(self, x):
x = self._fc1(x)
x = self._fc2(x)
x = self._fc3(x)
y = torch.add(x, x)
return F.relu(y)
net = MyNet()
sgd = optim.SGD(net.parameters(), lr=0.1, momentum=0.9)
lr = optim.lr_scheduler.MultiStepLR(sgd, milestones=[2, 4, 6], gamma=0.8)
转换后:
import paddle
class MyNet(paddle.nn.Layer):
test = 'str'
def __init__(self):
self._fc1 = paddle.nn.Linear(in_features=10, out_features=10)
self._fc2 = paddle.nn.Linear(in_features=10, out_features=10)
self._fc3 = paddle.nn.Linear(in_features=10, out_features=10)
@paddle.no_grad()
def forward(self, x):
x = self._fc1(x)
x = self._fc2(x)
x = self._fc3(x)
y = paddle.add(x=x, y=x)
return paddle.nn.functional.relu(x=y)
net = MyNet()
>>>sgd = torch.optim.SGD(net.parameters(), lr=0.1, momentum=0.9)
>>>lr = torch.optim.lr_scheduler.MultiStepLR(sgd, milestones=[2, 4, 6], gamma=0.8)
打印信息如下:
===========================================
PyTorch to Paddle Convert Start ------>:
===========================================
Start convert /workspace/test_code.py --> /workspace/PaConvert/paddle_project/test_code.py
[test_code.py:1] remove 'import torch'
[test_code.py:2] remove 'import torch.nn as nn'
[test_code.py:3] remove 'import torch.optim as optim'
[test_code.py:4] remove 'import torch.nn.Linear as Linear'
[test_code.py:5] remove 'import torch.nn.functional as F'
[test_code.py] add 'import paddle' in first line
[test_code.py:25] [Not Support] convert torch.optim.SGD to Paddle is not supported currently
[test_code.py:26] [Not Support] convert torch.optim.lr_scheduler.MultiStepLR to Paddle is not supported currently
Finish convert /workspace/test_code.py --> /workspace/PaConvert/paddle_project/test_code.py
========================================
Convert Summary:
========================================
There are 10 Pytorch APIs in this Project:
8 Pytorch APIs have been converted to Paddle successfully!
2 Pytorch APIs are not supported to convert to Paddle currently!
Convert Rate is: 80.000%
For these 2 Pytorch APIs that do not support to Convert now, which have been marked by >>> before the line,
please refer to https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/guides/model_convert/convert_from_pytorch/pytorch_api_mapping_cn.html
and convert it by yourself manually. In addition, these APIs will be supported in future.
Thank you to use Paddle Code Convert Tool. You can make any suggestions to us.
转换完成后,会打印 转换总结 ,包含 API总数、转换成功数、未转换数、转换率 。如未指定 out_dir
,则会在当前目录下 ./paddle_project/
并输出到此目录。如未指定 log_dir
,则会在终端打印日志。
例如,上述代码里一共有10个Pytorch API,其中8个被成功转换,因此转换率为 80.00%
,如果项目中有多个python文件,则会统计所有文件的累计数据。
对于转换成功的API:代码风格上会略有变化,会 补全API全名、补全参数关键字、移除注释、移除多余空行 。因为在 源码->语法树->源码
的过程中,会采用标准写法来生成代码,而 注释、空行
等代码无法被语法树识别,将被移除。
对于不支持转换的API:将 补全为Pytorch API全名,同时在行前通过 >>>
的形式加以标记,用户必须对该API进行人工手动转换,然后删除标记,否则代码无法运行。
欢迎你向我们贡献代码。具体的开发步骤如下:
在开发本项目之前,请确保已经安装了以下依赖项:
pip install -r requirements-dev.txt
代码审查包括两部分,一个是基于现有开源代码格式规范的审查,通过pre-commit来审查,另一个是基于自定义要求的审查,在tools/codestyle下。
本项目使用了 pre-commit 工具来进行代码规范和格式化,主要包括black,flake8,pylint,在CI阶段代码审查执行,具体规范配置请见根目录.pre-commit-config.yaml文件。在提交代码之前,pre-commit 钩子将自动运行相关的检查和修复。本地运行方式如下
# 要安装 pre-commit 钩子,请执行以下命令:
pip install pre-commit
pre-commit install
# 调整代码格式和规范错误
pre-commit run --file [file_name]
本项目使用了基于自定义要求的审查,相关代码文件在tools和scripts下, 需修改scriptes中*.sh的环境变量DEVELOP_IF="ON".
本地CI测试方法
bash scripts/run_ci.sh
合入必须要求通过全部CI检测,原则上禁止强行Merge,如果有Pylint代码格式阻塞,可以讨论是否禁止某一条规范生效,必须要求一个Reviewer,禁止出现敏感代码。
首先你需要熟悉我们的 Pytorch-Paddle API映射关系表 ,映射关系相当于人工转换的思路,其是开发自动转换功能的前提,基于这些映射关系,我们才可以进行后续的开发。
根据映射关系的复杂程度,我们将API分为7大类:
-
第1类为
API可直接映射
,此类情形最为容易。其又分为五种子情况:无参数
、参数完全一致
、仅参数名不一致
、仅 paddle 参数更多
、仅参数默认值不一致
。 -
第2类为
torch 参数更多
。如果 torch 和 paddle 都支持更多参数,统一写成torch 参数更多
。 -
第3类为
参数用法不一致
。比如 所支持的参数类型不一致(是否可以是元组)、参数含义不一致、返回参数类型不同。 -
第4类为
组合替代实现
,表示该 API 可以通过多个 API 组合实现。 -
第5类为
用法不同:涉及上下文修改
,表示涉及到上下文分析,需要修改其他位置的代码。 -
第6类为
对应 API 不在主框架
。例如torch.hamming_window
对应 API 在paddlenlp
中。 -
第7类为
功能缺失
,表示当前无该API功能,则不支持自动转换。
其中第1~6类API可按后续步骤开发,第7类需要先开发框架对应功能,目前不能开发自动转换功能。
对于一个待支持转换的Pytorch API,首先查阅 Pytorch-Paddle API映射表,如果已经有了该API的映射关系,则可以直接参考编写转换规则。 如果没有该API映射关系,需要自行分析,并根据统一模板来编写映射关系文档,提交PR到 https://github.com/PaddlePaddle/docs/tree/develop/docs/guides/model_convert/convert_from_pytorch/api_difference 目录下。具体写法详见:API映射关系模板。
注意:当前已有一部分存量映射关系,但可能存在错误或考虑不全面之处,在后续开发自动转换规则时,如发现问题,需要对这些文档进行校正修改。
在 paconvert/api_mapping.json
中增加该 API 的各项配置,每个配置字段的定义如下:
"torch.permute" : {
"Matcher": "GenericMatcher",
"paddle_api": "paddle.transpose",
"args_list" : ["input", "dims"],
"kwargs_change": {
"input": "x",
"dims": "perm"
}
}
"paddle_default_kwargs": {}
}
Matcher :必须,转换器,亦称为转换规则,表示执行转换时的核心逻辑。每一个API均对应一种转换规则,所有API都需要配置。
paddle_api :可选,对应的 Paddle API,仅 `GenericMatcher` 时需要。
args_list :必须,根据顺序填写 torch api 的 **全部参数名**,所有API都需要配置。
kwargs_change :可选,参数名称的差异,仅 `GenericMatcher` 且有参数名差异时需要。
paddle_default_kwargs :可选,当 paddle 参数更多 或者 参数默认值不一致 时,可以通过该配置,设置参数默认值。
对于一个待开发API,首先依据步骤1的映射关系,确定其属于哪种分类情况。
对于以下分类情况,都可以通过框架封装好的通用转换器:GenericMatcher
来处理:
-
第1类
API可直接映射
:- 无参数:无需其他配置
- 参数完全一致:无需其他配置
- 仅参数名不一致:增加
kwargs_change
配置 - 仅paddle参数更多:增加
paddle_default_kwargs
配置 - 仅参数默认值不一致:增加
paddle_default_kwargs
配置
-
第2类
torch参数更多
:仅多layout
memory_format
、inplace
、generator
、non_blocking
、pin_memory
、dtype
、requires_grad
、device
参数时,与第1类按相同方式处理。
除了以上字段以及必选字段 Matcher
和 args_list
外,GenericMatcher
还需配置 paddle_api
。
以 torch.permute
为例,首先参照 torch.permute映射关系,其属于 仅参数名不一致 的情况,符合上述类型。因此可通过GenericMatcher
来实现,在json中配置必选的 Matcher
和 args_list
字段,还需配置 paddle_api
和 kwargs_change
。
"torch.permute" : {
"Matcher": "GenericMatcher",
"paddle_api": "paddle.transpose",
"args_list" : ["input", "dims"],
"kwargs_change": {
"input": "x",
"dims": "perm"
}
}
如果不属于上述分类,则需要开发 自定义的Matcher,命名标准为:API名+Matcher
, 例如 torch.add
可命名为TorchAddMatcher
。详见下面步骤3。
该步骤有一定难度,需要对AST相关知识有一定熟悉。
首先在 paconvert/api_matcher.py
中增加自定义的Matcher,继承自 BaseMatcher
基类,然后在json中配置必选的 Matcher
和 args_list
字段,其他字段不做要求,可选配 paddle_api
字段。
根据 是否含可变参数、是否为类方法调用 ,我们需要分别重写父类 BaseMatcher
的不同函数。
可变参数是指Python语法中的
*args
用法,例如torch.empty(*size)
,则含可变参数。通常来讲,大多数API不含可变参数。
a) 不含可变参数的API,则重写:
generate_code()
: 传入的是字符串字典形式的关键字参数,即kwargs,根据该字典,组装字符串形式的代码并返回。
b) 含可变参数的API,且为类方法调用,则重写:
get_paddle_nodes()
: 传入的是AST形式的位置参数和关键字参数,即args和kwargs,需针对AST语法进行处理,组装代码并生成新的AST节点返回。
c) 含可变参数的API,且不为类方法调用,则重写:
get_paddle_class_nodes()
: 主要用来处理类成员函数,与get_paddle_nodes
不同的地方在于传入了func,根据这个func可以找到完整的调用链,首先需使用self.parse_func(func)
,解析外部的调用链,然后self.paddleClass
会存储调用类方法的对象。如x.abs().add(y)
中,对于add(y)
调用来说,它调用类方法的对象为x.abs()
,即self.paddleClass='x.abs()'
,通过self.paddleClass
来组装代码,并生成新的AST节点返回。
对于类方法调用的API,由于难以准确识别,我们根据以下原则来开发。(待补充,暂无需关注)
以 torch.transpose
为例,首先参照 torch.transpose映射关系,其属于 参数用法不一致 的情况,不符合 GenericMatcher
的适用范围。因此需要编写自定义Matcher:TransposeMatcher
。
由于 torch.transpose
不含可变参数,因此重新 generate_code
函数,具体代码如下:
class TransposeMatcher(BaseMatcher):
def generate_code(self, kwargs):
API_TEMPLACE = textwrap.dedent(
'''
{} = list(range(len({}.shape)))
{}[{}] = {}
{}[{}] = {}
paddle.transpose({}, {})
'''
)
perm = unique_name('perm')
code = API_TEMPLACE.format(perm, kwargs['input'],
perm, kwargs['dim0'], kwargs['dim1'],
perm, kwargs['dim1'], kwargs['dim0'],
kwargs['input'], perm)
return code
对应的json配置为:
"torch.transpose" : {
"Matcher": "TransposeMatcher",
"args_list" : [
"input",
"dim0",
"dim1"
]
}
开发经验技巧:
1)可以参考一些写的较为规范的Matcher:
- 传入参数既可以是可变参数,也可以是列表或元组时,例如
TensorExpandMatcher
- (待补充)...
2)由于AST语法分析是静态代码分析,也就是Matcher被执行时的并未到代码的运行期,无法知道某个变量的运行值,要避免对变量运行值的判断,否则可能引入错误。
例如:如果在Matcher里的以下判断形式 if 'True' == kwargs['pin_memory']
,对以下Python代码将失效,因为 kwargs['pin_memory']
只有到代码运行期其值才为'True',在AST语法分析期,只能获取 kwargs['pin_memory']='temp'
,无法获取具体运行值,所以上述判断将失效。
temp = True
torch.tensor(1., pin_memory=temp)
因此在Matcher编写时,需格外注意此时为静态语法分析期,避免判断运行期的值;如必须判断,则不要在Matcher中判断,将其挪到转换后的代码也就是在运行期来判断。例如转成以下形式:
temp = True
paddle.to_tensor(1., place=paddle.CUDAPinnedPlace() if temp else None)
3)谨慎通过多行代码来实现,多余代码行数将插入到该作用域中,最后一行将替换原本的API,注意不能破坏原代码的语法树结构。例如:
if x:
out = torch.add(torch.transpose(x, 1, 0).add(y), z)
其中 torch.transpose(x, 1, 0)
会通过5行代码实现:
x = x
perm_0 = list(range(x.ndim))
perm_0[0] = 1
prem_0[1] = 0
paddle.transpose(x=x, perm=perm_0)
其中前4行将直接插入到该作用域中,第5行将替换原本的ast.Call: torch.transpose(x, 1, 0)
,转换完该API的中间结果为:
if x:
x = x
perm_0 = list(range(x.ndim))
perm_0[0] = 1
prem_0[1] = 0
out = torch.add(paddle.transpose(x=x, perm=perm_0).add(y), z)
为避免破坏语法树结构,最后一行仅可为ast.Call/ast.Name/ast.Constant/ast.Attribute/ast.Compare...
等较小的子节点形式,如果为ast.Assign/ast.For...
等根节点形式,则容易破坏原来的语法树结构,当前会被自动过滤掉。
4)在开发时可能需要查询各种 ast.Node
的组成属性,可以参考 https://greentreesnakes.readthedocs.io/en/latest/nodes.html#function-and-class-definitions ,同时也建议熟悉各种常用AST节点,有利于开发效率的提升。
a) 调试,确认验证集中该API已全部被转换。通过以下命令在本地调试,打印报表中的 Not Support API List
不应还有待提交的API:
python3.9 paconvert/main.py --in_dir paconvert/test_code.py --log_level "DEBUG" --show_unsupport True
b) 需考虑所有可能的torch用法case,另外从验证集中搜索并抽取尽可能多的用法case,要求至少列举5种完全不同的case(越多越好)。涉及到多个参数的,应包含各种参数组合的情况,不能只考虑最简单最常见的用法。
对任意torch用法case只允许有两种结果:a)正常转换且对比结果一致;b)不支持转换,此时返回None。不允许出现其他的错误情况,包括但不限于 报错退出、错误转换 等各种问题。
以 torch.Tensor.new_zeros
为例,其至少包含12种以上的torch用法case,如下:
case 1: x.new_zeros(2)
case 2: x.new_zeros(2, 3)
case 3: x.new_zeros([2, 3])
case 4: x.new_zeros((2, 3))
case 5:
shape = (2, 3)
x.new_zeros(shape, requires_grad=True)
case 6:
shape = (2, 3)
x.new_zeros(*shape, requires_grad=True, dtype=torch.float32, pin_memory=False)
case 7:
requires_grad_v = True
x.new_zeros(*shape, requires_grad=requires_grad_v, dtype=torch.float32, pin_memory=True)
case 8:
x.new_zeros(*shape, requires_grad=not True, dtype=torch.float32, pin_memory=False)
case 9:
pin_memory_v = True
x.new_zeros(*shape, requires_grad=False, pin_memory=pin_memory_v)
case 10:
x.new_zeros(2, 3, requires_grad=True, pin_memory=False)
case 11:
x.new_zeros(*x.size())
case 12:
x.new_zeros(x.size())
c) 写出所有可能的torch用法case后,全部加入到单测中,并对比结果一致。单测写法为:
- 单测位置:所有的单测文件均放在
tests
目录下,单测文件命名以test_
为前缀,后面接测试的API
名称(PyTorch API全称去掉torch
模块名,保留大小写)。 - 单测默认判断逻辑:采用
pytest
作为单测框架。一般情况下,用户只需要在单测文件中调用APIBase
类的run()
方法,传入pytorch_code
和需要判断的Tensor
变量名列表即可,参考 torch.permute测试用例。run()
方法会调用check()
方法,该方法会检查转换前后两个Tensor
的数值,数据类型,是否计算梯度属性是否相等,是目前默认的判断转换结果是否一致的逻辑。如果不需要运行转换后的paddle
代码,可以直接传入expect_paddle_code
参数,此时check()
方法会比对转换后的paddle
代码与传入的paddle
代码是否一致。 - 自定义判断逻辑:如果需要自定义判断转换结果是否一致的逻辑,可以继承
APIBase
类重写check()
函数,实现自定义逻辑, 参考 torch.Tensor测试用例。 - 环境搭建:需要同时安装
paddle 2.4.0
和pytorch 1.13.0
的CPU
版本。 - 运行单测:可以在主目录下执行
pytest tests
命令运行所有单测;也可以执行pytest tests/xxx.py
运行tests
目录下的某一单测;如果希望遇到error
则停止单测,可以加上参数-x
,即pytest tests/test_add.py -x
,单测运行过程中会将转换后的paddle
代码写入test_project/paddle_temp.py
,方便排查错误。
d) 代码精简与美观性。要求尽可能只通过一行代码、一个API来实现(越少越好)。如果确实无法实现,才考虑通过多行代码、多个API来辅助实现该功能。
e) 维护与负责。由于单测仍可能覆盖不全面,导致引入了非常隐蔽的用法bug,开发者需要对自身开发的API转换规则负责并后续维护。解决新发现的case问题。
总的来说,Matcher转换规则的开发具有一定的挑战性,是一项非常细心以及考验思维广度的工作。