昇思25天学习打卡营第12天|初学入门-静态图加速

昇思25天学习打卡营第12天|初学入门-静态图加速

之前学tf和pytorch时没听过23333

计算图样子：

!

动态图

1. 在动态图模式中，计算图的构建和计算同时发生（Define by run）：如定义了tensor间的计算操作，无需print和赋值就已经计算好了
2. 动态图可以实时获得中间的结果值，代码结构更像是传统的 Python 编程，可以实现更直观的逻辑控制和数据处理
3. 动态图允许随时修改计算结构，但不保留先前计算图的结构，即每次输入数据都会生成全新的计算图，没有预定义的结构
4. 无法进行全局优化（因为动态图无法获取完整的图结构）
5. 在脚本开发和网络流程调试过程中，推荐使用动态图模式进行调试
   

静态图

1. 在静态图中，计算图的构建和实际计算分开（Define and run）
2. 静态图下，用户需声明所有的计算节点，搭建起框架后才能运行，这里的框架起到一个类似编译器的作用
3. 静态图下， 定义的变量，没有赋值的计算并不持有真实的数据，而是作为占位符存在（如卷积、池化等操作）
4. 可进行算算子融合、常量折叠等优化
5. 适用于追求计算效率的部署场景下应用

jit装饰器

实现在动态图模式下，对部分函数和类成员函数采用静态图模式来运行

@ms.jit  # 使用ms.jit装饰器，使被装饰的函数以静态图模式运行
def run(x):
    model = Network()
    return model(x)
//或者
run_with_jit = ms.jit(run)  # 通过调用jit将函数转换为以静态图方式执行