【飞桨体验评测任务第八期】

[sunzhongkai588]

一、背景介绍

2022年飞桨将重点开展开发者生态贡献机制，建立开发者与飞桨的多样化联动，共同打造优秀的开源生态。在今年10月16日，我们举办了外部用户评测交流会，回顾了第三季度的体验评测活动以及评测员所做的贡献，未能参会的同学可观看【视频回放】进行了解。并且在10月末，我们开展了第七期体验体验评测活动，

为了进一步提升飞桨框架的使用体验，我们诚挚的邀请你参与到第八期体验评估中。本期评估内容包含 飞桨框架中、英文API文档评测 以及 Paddle模型动态图转静态图 的验证。欢迎往期参加过相关评测任务的评测员、以及各位新同学报名参加本期活动，和我们一起共建飞桨框架，后续会陆续安排其他产品模块的体验评测，希望大家持续关注。

二、参与流程

• 体验评测活动以月粒度开展，在每月的中下旬会进行任务的发布，本次体验评测活动时间为 11.25~12.10 。

• 具体的活动参与流程如下所示：

• 其中，评测官在评测过程中发现的问题，可以主动提交PR修复，并在评估表附上修复的PR链接。

三、具体任务：

1、飞桨框架API文档评测任务

(1) 中文API 文档评测任务

• 【任务名称】 中文API文档-体验评测

• 【负责人】 莫琰（微信昵称：moyan-JQK）

• 【任务描述】我们精选 80篇常用API文档，分成8组，每组任务包含10篇API文档。你需要先阅读该API文档，然后根据问卷，对该API文档进行评估（注意，每个API都需要单独填写一次问卷，请一定填写正确API名称与你的微信昵称）此外，对于该API的所有建议，都可以填写到主观评价中。

• 【任务分配】每组都会请3位同学来做交叉评测，即你可以在表格的 epoch 1、epoch 2、epoch 3 中任意认领任务。每次最多认领3组任务，若想继续认领请先完成当前任务。

• 【任务提交】：你需要完成以下操作和内容，

  1. 完成API文档的评估问卷。
  2. 中文API文档-评测任务(11月) 中更新 API 文档评估状态。
  3. 评测群中 @moyan-JQK 完成评估

【注】在API文档评估过程，遇到的任何问题，欢迎联系微信 @莫琰，我们会及时进行技术支持。

(2) 英文API 文档评测任务

• 【任务名称】 英文API文档体验评测

• 【负责人】 莫琰（微信昵称：moyan-JQK）

• 【任务描述】我们精选 30篇常用API文档，分成6组，每组任务包含5篇API文档。你需要先阅读该API文档，然后根据问卷，对该API文档进行评估（注意，每个API都需要单独填写一次问卷，请一定填写正确API名称与你的微信昵称）此外，对于该API的所有建议，都可以填写到主观评价中。

• 【任务分配】每组都会请3位同学来做交叉评测，即你可以在表格的 epoch 1、epoch 2、epoch 3 中任意认领任务。每次最多认领3组任务，若想继续认领请先完成当前任务。

• 【任务提交】：你需要完成以下操作和内容，

  1. 完成API文档的评估问卷（英文）。
  2. 英文API文档评测任务表(11月) 中更新 API 文档评估状态。
  3. 评测群中 @moyan-JQK 完成评估

【注】在API文档评估过程，遇到的任何问题，欢迎联系微信 @莫琰，我们会及时进行技术支持。

---

2、Paddle模型动态图转静态图验证

• 【任务名称】Paddle模型动态图转静态图成功率验证

• 【背景描述】飞桨动转静@to_static 功能在在2.4版本后，对语法转写逻辑进行了重点地优化，提供了更加丰富的Python语法支持，完备的支持了控制流循环嵌套等复杂场景；并统一升级核心语法为 JIT范式（Just-In-Time），借助运行时判断机制，极大地提升了转写逻辑的鲁棒性。在保持动态图灵活易用的同时，飞桨提供了更加流畅的一键转静态图的体验，实现了更加通用的产业级部署和训练加速。我们在第五期、六期论文复现赛80多个模型上验证转静成功率达92%。为了在更多用户模型上持续验证飞桨动转静功能的完备性，推动飞桨框架接口功能的迭代优化，期望协同社区开发者在第七期论文复现赛模型上验证动转静@to_static的功能。

• 【负责人】孙钟恺

• 【任务描述】在第七期论文复现赛模型，选取已经完成复现的模型（即在 报名队伍 中，选择和 完成队伍 相对应的队伍的repo链接），验证模型是否能成功转化为静态图模式，并在【任务登记表】登记认领的模型、上传验收材料。

• 【任务提交和验收】为了提升社区开发者模型验证的效率，根据我们在以往第五期、六期论文复现赛的验证经验，可以在 AI Studio平台上分如下步骤开展工作。

  1. 跑通动态图训练
     在领取某个论文复现赛动转静验证任务后，按照其 Github 首页的 README 介绍搭建起原生动态图环境，跑通原生动态图训练过程，产出必要的训练日志，截图保存前50~100个step 日志。
  2. 添加动转静支持
  • 在训练逻辑（如train.py）文件中，找到模型实例化的代码行，添加动转静的支持。如下一个简单样例：

  model = build_model(**cfg)   # <---- model 为此论文模型的实例化类对象
  model = paddle.jit.to_static(model)  # <---- 使用to_static接口将模型 forward 函数进行动转静
  print("Successfully to apply @to_static")
  

  • 除了此方法外，还可以参考官方文档-使用样例，在模型 forward 函数处添加 @to_static 装饰器。
  3. 验证动转静训练
     添加上述动转静代码后，执行步骤1中相同的动态图训练命令。若动转静成功，则会在终端会输出相同格式的训练日志，截图保存前50~100个step 日志。若执行报错，可以参考官方文档-报错调试初步定位报错原因，保存报错栈。
  4. 提交验收结果
     提供 AI Studio 上可一键执行动转静训练的命令和任务链接。
     • 若动转静训练成功，辛苦额外提供动态图和动转静训练的前50个step的训练日志
     • 若动转静训练失败，辛苦额外提供动转静训练失败的完整报错栈信息。若有初步定位分析，可附上失败原因分析结论。

【注】在动转静评估过程，遇到的任何问题，欢迎联系微信 @熊昆，我们会及时进行技术支持。

---

四、答疑

在评估过程中，有任何问题，都可以在群中或此ISSUE下进行提问，我们会尽快解答你的问题~

五、最后

再一次感谢你参与飞桨框架体验评估任务，我们会认真参考你的评分与建议，打造最好用的深度学习框架！

若对往期活动感兴趣，请前往【PPSIGs】中的【PPSIG Uuability】处进行了解。

如果您对产品体验评测任务感兴趣，可以直接联系13957128876（微信） 或 扫码加入我们。