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，并提供对顺序、分支和循环三种执行结构的支持，可以组合描述任意复杂的模型，并可在内部自动转化为中间表示的描述语言。

“Program”的定义过程就像在写一段通用程序，使用声明式编程时，相当于将“Program”先编译再执行，可类比静态图模式。

首先根据网络定义代码构造“Program”，然后将“Program”编译优化，最后通过执行器执行“Program”，具备高效性能；同时由于存在静态的网络结构信息，能够方便地完成模型的部署上线。

而命令式编程，相当于将“Program”解释执行，可视为动态图模式，更加符合用户的编程习惯，代码编写和调试也更加方便。

飞桨后面会增强静态图模式下的调试功能，方便开发调试；同时提升动态图模式的运行效率，加强动态图自动转静态图的能力，快速完成部署上线；同时更加完善接口的设计和功能，整体提升框架易用性。

显存管理

飞桨为用户提供简单易用、兼顾显存回收与复用的显存优化策略，在很多模型上的表现优异。

显存分配机制

原生的CUDA系统调用（cudaMalloc）和释放（cudaFree）均是同步操作，非常耗时。为了加速显存分配，飞桨实现了显存预分配的策略，具体方式如下图所示。

设置一个显存池chunk，定义其大小为chunk_size。若分配需求requested_size不超过chunk_size，则框架会预先分配chunk_size大小的显存池chunk，并从中分出requested_size大小的块返回。

之后每次申请显存都会从chunk中分配。若requested_size大于chunk_size，则框架会调用cudaMalloc分配requested_size大小的显存。chunk_size一般依据初始可用显存大小按比例确定。

同时飞桨也支持按实际显存占用大小的动态自增长的显存分配方式，可以更精准地控制显存使用，以节省对显存占用量，方便多任务同时运行。

显存垃圾及时回收机制

显存垃圾及时回收机制GC（Garbage Collection）的原理是在网络运行阶段释放无用变量的显存空间，达到节省显存的目的。

GC策略会积攒一定大小的显存垃圾后再统一释放。GC内部会根据变量占用的显存大小，对变量进行降序排列，且仅回收前面满足占用大小阈值以上的变量显存。GC策略默认生效于使用Executor或Parallel Executor做模型训练预测时。

Operator内部显存复用机制

Operator内部显存复用机制（Inplace）的原理是Operator的输出复用Operator输入的显存空间。例如，数据整形（reshape）操作的输出和输入可复用同一片显存空间。

Inplace策略可通过构建策略（BuildStrategy）设置生效于Parallel Executor的执行过程中。

算子库

飞桨算子库目前提供了500余个算子，并在持续增加，能够有效支持自然语言处理、计算机视觉、语音等各个方向模型的快速构建。同时提供了高质量的中英文文档，更方便国内外开发者学习使用。文档中对每个算子都进行了详细描述，包括原理介绍、计算公式、论文出处，详细的参数说明和完整的代码调用示例。

飞桨的算子库覆盖了深度学习相关的广泛的计算单元类型。比如提供了多种循环神经网络（Recurrent Neural Network，RNN），多种卷积神经网络（Convolutional Neural Networks， CNN）及相关操作，如深度可分离卷积（Depthwise Deparable Convolution）、空洞卷积（Dilated Convolution）、可变形卷积（Deformable Convolution）、池化兴趣区域池化及其各种扩展、分组归一化、多设备同步的批归一化。

另外涵盖多种损失函数和数值优化算法，可以很好地支持自然语言处理的语言模型、阅读理解、对话模型、视觉的分类、检测、分割、生成、光学字符识别（Optical Character Recognition，OCR）、OCR检测、姿态估计、度量学习、人脸识别、人脸检测等各类模型。

飞桨的算子库除了在数量上进行扩充之外，还在功能性、易用性、便捷开发上持续增强。

例如针对图像生成任务，支持生成算法中的梯度惩罚功能，即支持算子的二次反向能力；而对于复杂网络的搭建，将会提供更高级的模块化算子，使模型构建更加简单的同时也能获得更好的性能；对于创新型网络结构的需求，将会进一步简化算子的自定义实现方式，支持Python算子实现，对性能要求高的算子提供更方便的、与框架解耦的C++实现方式，可使得开发者快速实现自定义的算子，验证算法。

高效率计算核心

飞桨对核心计算的优化，主要体现在以下两个层面。

Operator粒度层面

飞桨提供了大量不同粒度的Operator（Op）实现。细粒度的Op能够提供更好的灵活性，而粗粒度的Op则能提供更好的计算性能。

飞桨提供了诸如softmax_with_cross_entropy等组合功能Op，也提供了像fusion_conv_inception、fused_elemwise_activation等融合类Operator。

其中大部分普通Op，用户可以直接通过Python API配置使用，而很多融合的Op，执行器在计算图优化的时候将会自动进行子图匹配和替换。

核函数实现层面

飞桨主要通过两种方式来实现对不同硬件的支持：人工调优的核函数实现和集成供应商优化库。

针对CPU平台，飞桨一方面提供了使用指令Intrinsic函数和借助于xbyak JIT汇编器实现的原生Operator，深入挖掘编译时和运行时性能。

另一方面，飞桨通过引入OpenBLAS、Intel® MKL、Intel® MKL-DNN 和nGraph，对Intel CXL等新型芯片提供了性能保证。

针对GPU平台，飞桨既为大部分Operator用CUDA C实现了经过人工精心优化的核函数，也集成了cuBLAS、cuDNN等供应商库的新接口、新特性。