PaddlePaddle 核心架构深入解读

个人博客导航页（点击右侧链接即可打开个人博客）：大牛带你入门技术栈 

 

 

PaddlePaddle（中文名：飞桨，PArallel Distributed Deep LEarning 并行分布式深度学习）是一个深度学习平台，具有易用、高效、灵活和可伸缩等特点，它是中国第一个开源深度学习开发框架。

飞桨框架的核心技术，主要包括前端语言、组网编程范式、核心架构、算子库以及高效率计算核心五部分。下边分别分析这几部分。

核心架构

飞桨核心架构采用分层设计，如下图所示，前端应用层考虑灵活性，采用Python实现，包括了组网 API、IO API、OptimizerAPI和执行 API等完备的开发接口；框架底层充分考虑性能，采用C++来实现。

框架内核部分，主要包含执行器、存储管理和中间表达优化；内部表示方面，包含网络表示（ProgramDesc）、数据表示（Variable）和计算表示（Operator）几个层面。框架向下对接各种芯片架构，可以支持深度学习模型在不同异构设备上的高效运行。

前端语言

为了方便用户使用，飞桨选择Python作为模型开发和执行调用的主要前端语言，并提供了丰富的编程接口API。Python作为一种解释型编程语言，代码修改不需要重新编译就可以直接运行，使用和调试非常方便，并且拥有丰富的第三方库和语法糖，拥有众多的用户群体。

同时为了保证框架的执行效率，飞桨底层实现采用C++。对于预测推理，为方便部署应用，则同时提供了C++和Java API。

组网编程范式

飞桨中同时兼容命令式编程（动态图）与声明式编程（静态图）两种编程范式，以程序化“Program”的形式动态描述神经网络模型计算过程，