mindspore.rewrite

MindSpore的ReWrite模块为用户提供了基于自定义规则，对网络的前向计算过程进行修改的能力，如插入、删除和替换语句。

如何快速使用ReWrite，请参考使用ReWrite修改网络。

class mindspore.rewrite.Node(node: NodeImpl)[源代码]

节点是表达网络中源码语句的一种数据结构。

每一个节点通常对应一条前向计算过程展开后的语句。

节点可以表达前向计算过程的Cell调用语句、Primitive调用语句、算术运算语句、返回语句等。

参数：

node (NodeImpl) - Node 的内部实现实例。建议调用Node下的指定方法来创建Node，例如 create_call_cell ，而不直接调用Node的构造函数。不需关心NodeImpl是什么，只需作为句柄看待。

static create_call_cell(cell: Cell, targets: List[Union[ScopedValue, str]], args: List[ScopedValue] = None, kwargs: Dict[str, ScopedValue] = None, name: str = '', is_sub_net: bool = False)[源代码]

通过该接口可以根据 cell 对象创建一个Node实例。节点对应的源代码格式：

targets = self.name(*args, **kwargs)。

参数：

cell (Cell) - 该节点对应的前向计算的Cell对象。
targets (List[Union[ScopedValue, str]]) - 表示输出名称。在源代码中作为节点的输出变量名。
args (List[ScopedValue]) - 该节点的参数名称。用作源代码中代码语句的参数。默认值： None ，表示 cell 没有参数输入。
kwargs (Dict[str, ScopedValue]) - 键的类型必须是str，值的类型必须是ScopedValue。用来说明带有关键字的形参的输入参数名称。输入名称在源代码中作为语句表达式中的 kwargs。默认值： None ，表示 cell 没有 kwargs 输入。
name (str) - 表示节点的名称。用作源代码中的字段名称。当未提供名称时，ReWrite将根据 target 生成一个默认名称。Rewrite将在插入节点时检查并确保名称的唯一性。默认值： "" 。
is_sub_net (bool) - 表示 cell 是否是一个网络。如果 is_sub_net 为 True ，Rewrite将尝试将 cell 解析为TreeNode，否则为CallCell节点。默认值： False 。

返回：

Node实例。

异常：

TypeError - 如果参数 cell 不是Cell类型。
TypeError - 如果参数 targets 不是list类型。
TypeError - 如果参数 targets 的成员不是str或者ScopedValue类型。
TypeError - 如果参数 args 不是ScopedValue类型。
TypeError - 如果参数 kwarg 的 key 不是str类型或者 value 不是ScopedValue类型。

样例：

>>> from mindspore.rewrite import SymbolTree, ScopedValue
>>> import mindspore.nn as nn
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> position = stree.after(node)
>>> new_node = node.create_call_cell(cell=nn.ReLU(), targets=['x'],
...                                  args=[ScopedValue.create_naming_value('x')], name='new_relu')
>>> stree.insert(position, new_node)
>>> print(type(new_node))
<class 'mindspore.rewrite.api.node.Node'>

static create_call_function(function: FunctionType, targets: List[Union[ScopedValue, str]], args: List[ScopedValue] = None, kwargs: Dict[str, ScopedValue] = None)[源代码]

通过该接口可以根据一个函数调用创建一个Node实例。

说明

函数内部的代码不会被解析。

参数：

function (FunctionType) - 被调用的函数定义。
targets (List[Union[ScopedValue, str]]) - 表示输出名称。在源代码中作为节点的输出变量名。
args (List[ScopedValue]) - 该节点的参数名称。用作源代码中代码语句的参数。默认值： None ，表示 function 没有参数输入。
kwargs (Dict[str, ScopedValue]) - 键的类型必须是str，值的类型必须是ScopedValue。用来说明带有关键字的形参的输入参数名称。输入名称在源代码中作为语句表达式中的 kwargs。默认值： None ，表示 function 没有 kwargs 输入。

返回：

Node实例。

异常：

TypeError - 如果参数 function 不是FunctionType类型。
TypeError - 如果参数 targets 不是list类型。
TypeError - 如果参数 targets 的成员不是str或者ScopedValue类型。
TypeError - 如果参数 args 不是ScopedValue类型。
TypeError - 如果参数 kwarg 的 key 不是str类型或者 value 不是ScopedValue类型。

样例：

>>> from mindspore.rewrite import SymbolTree, ScopedValue
>>> import mindspore.nn as nn
>>> from mindspore import ops
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> position = stree.after(node)
>>> new_node = node.create_call_function(function=ops.abs, targets=['x'],
...                                      args=[ScopedValue.create_naming_value('x')])
>>> stree.insert(position, new_node)
>>> print(new_node.get_node_type())
NodeType.CallFunction

get_args()[源代码]

获取当前节点的参数列表。

返回：: 参数列表，参数类型为 ScopedValue 。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> print(node.get_args())
[x]

get_inputs()[源代码]

获取一个节点列表，列表里的节点的输出作为当前节点的输入。

返回：: 节点列表。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv2")
>>> inputs = node.get_inputs()
>>> print([input.get_name() for input in inputs])
['max_pool2d']

get_instance_type()[源代码]

获取当前节点对应的代码语句里调用的对象类型。

如果当前节点的 node_type 是 CallCell，表示该节点的语句调用了一个 Cell 类型对象。
如果当前节点的 node_type 是 CallPrimitive，表示该节点的语句调用了一个 Primitive 类型对象。
如果当前节点的 node_type 是 Tree，表示该节点的语句调用了一个网络类型的对象。
如果当前节点的 node_type 是 Python、 Input、 Output、 CallMethod，返回的对象类型是 NoneType 。

返回：: 当前节点对应的代码语句里调用的对象类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> instance_type = node.get_instance_type()
>>> print(instance_type)
<class 'mindspore.nn.layer.conv.Conv2d'>

get_kwargs()[源代码]

获取当前节点的关键字参数列表。

返回：: 一个包含关键字参数的字典，key的类型为str，value的类型为 ScopedValue 。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> from mindspore import nn
>>>
>>> class ReLUNet(nn.Cell):
...     def __init__(self):
...         super().__init__()
...         self.relu = nn.ReLU()
...
...     def construct(self, input):
...         output = self.relu(x=input)
...         return output
>>>
>>> net = ReLUNet()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("relu")
>>> print(node.get_kwargs())
{'x': input}

get_name()[源代码]

获取当前节点的名称。当节点被插入到SymbolTree时，节点的名称在SymbolTree中应该是唯一的。

返回：: 节点的名称，类型为str。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> name = node.get_name()
>>> print(name)
conv1

get_node_type()[源代码]

获取当前节点的类型。节点类型详见 mindspore.rewrite.NodeType 。

返回：: NodeType，当前节点的类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> node_type = node.get_node_type()
>>> print(node_type)
NodeType.CallCell

get_sub_tree()[源代码]

获取类型为 NodeType.Tree 的节点里保存的符号树。节点类型详见 mindspore.rewrite.NodeType 。

返回：

保存在Tree类型节点里的符号树。

异常：

TypeError - 如果当前节点的类型不是 NodeType.Tree 。
AttributeError - 如果当前Tree类型节点里没有保存符号树。

样例：

>>> import mindspore.nn as nn
>>> from mindspore.rewrite import SymbolTree
>>>
>>> class SubNet(nn.Cell):
...     def __init__(self):
...         super().__init__()
...         self.relu = nn.ReLU()
...
...     def construct(self, x):
...         x = self.relu(x)
...         return x
...
>>> class Net(nn.Cell):
...     def __init__(self):
...         super().__init__()
...         self.subnet = SubNet()
...
...     def construct(self, x):
...         x = self.subnet(x)
...         return x
>>>
>>> net = Net()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("subnet")
>>> print(type(node.get_sub_tree()))
<class 'mindspore.rewrite.api.symbol_tree.SymbolTree'>

get_symbol_tree()[源代码]

获取当前节点所属的SymbolTree。

返回：: SymbolTree，如果当前节点不属于任何SymbolTree，则返回 None .

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> print(type(node.get_symbol_tree()))
<class 'mindspore.rewrite.api.symbol_tree.SymbolTree'>

get_targets()[源代码]

获取当前节点的输出值列表。

返回：: 输出值列表，参数类型为 ScopedValue 。

get_users()[源代码]

获取一个节点列表，列表里的节点使用当前节点的输出作为输入。

返回：: 节点列表。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> users = node.get_users()
>>> print([user.get_name() for user in users])
['relu']

set_arg(index: int, arg: Union[ScopedValue, str])[源代码]

设置当前节点的输入参数。

参数：

index (int) - 要设置的参数索引。
arg (Union[ScopedValue, str]) - 新参数的值。

异常：

TypeError - 如果参数 index 不是int类型。
TypeError - 如果参数 arg 不是str或者ScopedValue类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("relu_3")
>>> node.set_arg(0, "fc1")
>>> print(node.get_args())
[fc1]

set_arg_by_node(arg_idx: int, src_node: 'Node', out_idx: Optional[int] = None)[源代码]

将另一个节点设置为当前节点的输入。

参数：

arg_idx (int) - 要设置的参数索引。
src_node (Node) - 输入的节点。
out_idx (int，可选) - 指定输入节点的哪个输出作为当前节点输入，则取第一个输出。默认值： None 。

异常：

TypeError - 如果参数 arg_idx 不是int类型。
ValueError - 如果参数 arg_idx 超出了当前节点的参数数量。
TypeError - 如果参数 src_node 不是Node类型。
TypeError - 如果参数 out_idx 不是int类型。
ValueError - 如果参数 out_idx 超出了 src_node 的输出数量。
ValueError - 当 out_idx 为None或者没有给 out_idx 赋值时，参数 src_node 有多个输出。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> src_node = stree.get_node("fc1")
>>> dst_node = stree.get_node("relu_3")
>>> dst_node.set_arg_by_node(0, src_node, 0)
>>> print(dst_node.get_args())
[fc1_var]

class mindspore.rewrite.NodeType[源代码]

NodeType表示Node的类型。

Unknown：未初始化的节点类型。
CallCell： CallCell 节点表示在前向计算中调用Cell对象。
CallPrimitive： CallPrimitive 节点代表在前向计算中调用Primitive对象。
CallFunction： CallFunction 节点代表在前向计算中调用了一个函数。
CallMethod： CallMethod 不能对应到Cell或者Primitive的节点。
Python： Python 节点代表不支持的 ast 节点或无需解析的 ast 节点。
Input： Input 节点代表SymbolTree的输入，对应方法的参数。
Output： Output 节点代表SymbolTree的输出，对应方法的 return 语句。
Tree： Tree 节点代表前向计算中调用了别的网络。
CellContainer: CellContainer 节点代表在前向计算中调用 mindspore.nn.SequentialCell 函数。
MathOps： MathOps 节点代表在前向计算中的一个运算操作，如加法运算或比较运算。
ControlFlow： ControlFlow 节点代表一个控制流语句，如 if 语句。

class mindspore.rewrite.ScopedValue(arg_type: ValueType, scope: str = '', value=None)[源代码]

ScopedValue表示具有完整范围的值。

ScopedValue用于表示：左值，如赋值语句的目标，或可调用对象，如调用语句的 func，或右值，如赋值语句的 args 和 kwargs。

参数：

arg_type (ValueType) - 当前值的类型。
scope (str，可选) - 字符串表示当前值的范围。以"self.var1"为例，这个var1的作用域是"self"。默认值： "" 。
value - 当前ScopedValue中保存的值。值的类型对应于 arg_type。默认值： None 。

static create_name_values(names: Union[List[str], Tuple[str]], scopes: Union[List[str], Tuple[str]] = None)[源代码]

创建ScopedValue的列表。

参数：

names (List[str] or Tuple[str]) - 引用变量的名称，类型为str的列表或元组。
scopes (List[str] or Tuple[str]，可选) - 引用变量的范围，类型为str的列表或元组。默认值： None ，表示没有指定作用范围。

返回：

ScopedValue的实例列表。

异常：

TypeError - 如果 names 不是 list 或 tuple 或者其中的元素不是str类型。
TypeError - 如果 scopes 不是 list 或 tuple 或者其中的元素不是str类型。
ValueError - 如果 names 的长度不等于 scopes 的长度，而作用域不是None。

样例：

>>> from mindspore.rewrite import ScopedValue
>>> variables = ScopedValue.create_name_values(names=["z", "z_1"], scopes=["self", "self"])
>>> print(variables)
[self.z, self.z_1]

classmethod create_naming_value(name: str, scope: str = '')[源代码]

创建一个使用变量名称命名的ScopedValue。NamingValue表示对另一个变量的引用。

参数：

name (str) - 表示变量的字符串。
scope (str，可选) - 表示变量范围的字符串，默认值： "" ，表示没有指定作用范围。

返回：

ScopedValue的实例。

异常：

TypeError - 如果 name 不是str类型。
TypeError - 如果 scope 不是str类型。

样例：

>>> from mindspore.rewrite import ScopedValue
>>> variable = ScopedValue.create_naming_value("conv", "self")
>>> print(variable)
self.conv

classmethod create_variable_value(value)[源代码]

创建一个保存变量的ScopedValue。ScopedValue的类型由值的类型决定。ScopedValue的范围是空的。

参数：

value - 要转换为ScopedValue的值。

返回：

ScopedValue的实例。

样例：

>>> from mindspore.rewrite import ScopedValue
>>> variable = ScopedValue.create_variable_value(2)
>>> print(variable)
2

class mindspore.rewrite.SymbolTree(handler: SymbolTreeImpl)[源代码]

SymbolTree保存了一个网络的信息，包括网络前向计算过程的语句，和语句输入输出之间的拓扑关系。

网络里的语句以节点的形式保存在SymbolTree中，通过对SymbolTree里的节点进行处理，可以实现网络代码的删除、插入、替换等操作，并得到修改后的网络代码及网络实例。

参数：

handler (SymbolTreeImpl) - SymbolTree内部实现实例。建议调用SymbolTree下的 create 方法来创建SymbolTree，而不直接调用SymbolTree的构造函数。不需关心SymbolTreeImpl是什么，只需作为句柄看待。

after(node: Union[Node, str])[源代码]

返回一个位置信息，位置为 node 之后。该接口的返回值作为插入操作的参数使用。

参数：

node (Union[Node, str]) - 指定插入位置在哪个节点之后，可以是Node或者Node的名称。

返回：

Position，指定插入节点的位置。

异常：

TypeError - 参数不是Node或str类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> for node in stree.nodes():
...     if node.get_name() == "conv1":
...         position = stree.after(node)

before(node: Union[Node, str])[源代码]

返回一个位置信息，位置为 node 之前。该接口的返回值作为插入操作的参数使用。

参数：

node (Union[Node, str]) - 指定插入位置在哪个节点之前，可以是Node或者Node的名称。

返回：

Position，指定插入节点的位置。

异常：

TypeError - 参数不是Node或str类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> for node in stree.nodes():
...     if node.get_name() == "conv1":
...         position = stree.before(node)

classmethod create(network)[源代码]

通过传入网络实例 network ，创建一个SymbolTree对象。

该接口会解析传入的网络实例，将前向计算过程的每一条源码语句展开，并解析为节点，存储在SymbolTree中。具体流程如下：

获取网络实例对应的源码代码
对网络进行AST解析，获取网络里各个语句的AST节点（抽象语法树）
将网络前向计算过程里的复杂语句展开为多个简单语句
创建SymbolTree对象，每个SymbolTree对应一个网络实例
使用rewrite节点存储网络前向计算过程的每条语句，节点记录了语句的输入、输出等信息
将rewrite节点保存到SymbolTree里，同时更新和维护节点间的拓扑连接关系
返回网络实例对应的SymbolTree对象

如果网络的前向计算过程里调用了类型为 mindspore.nn.Cell 的用户自定义网络，rewrite会为对应语句生成类型为 NodeType.Tree 的节点，这类节点内部保存了一个新的SymbolTree，这个SymbolTree解析并维护着自定义网络的节点信息。

如果网络的前向计算过程里调用了以下类型的语句，rewrite会将该语句所对应的内部语句进行解析，并生成对应节点：

mindspore.nn.SequentialCell
函数调用（不包括Python内置函数和三方库函数）
控制流语句，如 if 语句

说明

由于网络在rewrite操作期间，控制流的具体执行分支还处于未知状态，因此控制流内部的节点和外部的节点之间不会建立拓扑信息。用户在控制流外部使用 mindspore.rewrite.Node.get_inputs() 和 mindspore.rewrite.Node.get_users() 接口获取节点时，无法获取控制流内部的节点。用户在控制流内部使用这些接口，也无法获取控制流外部的节点。因此用户在进行网络修改时，需要手动处理好控制流内部和外部的节点信息。

当前rewrite模块存在以下语法限制：

仅支持类型为 mindspore.nn.Cell 的网络作为rewrite模块的输入。
暂不支持对单行控制流语法（如单行if-else、单行for循环等）进行解析。
暂不支持对装饰器语法进行解析。
暂不支持对局部类和内嵌类进行解析，即类的定义需要放在最外层。
暂不支持对闭包语法进行解析，即类外函数的定义需要放在最外层。
暂不支持对lambda表达式语法进行解析。
暂不支持对全局变量进行解析，即需要将全局变量转换为类变量或局部变量后再使用。
暂不支持对父类里的方法进行解析。

对于不支持解析的语句，rewrite会为对应语句生成类型为 NodeType.Python 的节点，以确保rewrite后的网络可以正常运行。 Python 节点不支持对语句的输入和输出进行修改，且可能出现变量名与rewrite生成的变量名的问题，此时用户需要手动对变量名进行调整。

参数：

network (Cell) - 待修改的网络实例。

返回：

SymbolTree，基于 network 创建的SymbolTree。

异常：

TypeError - 参数 network 不是Cell类型对象。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> print(type(stree))
<class 'mindspore.rewrite.api.symbol_tree.SymbolTree'>

erase(node: Union[Node, str])[源代码]

删除SymbolTree中的一个节点。

参数：

node (Union[Node, str]) - 被删除的节点。可以是Node或者Node的名称。

返回：

如果 node 属于当前的SymbolTree则返回被删除节点。否则返回None。

异常：

TypeError - 参数不是Node或str类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> stree.erase(node)

get_code()[源代码]

获取SymbolTree里的网络信息所对应的源码。如果网络已经被修改过，则返回的是修改后的源码。

返回：: str，SymbolTree对应的源码字符串。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> codes = stree.get_code()
>>> print(codes)

get_network()[源代码]

获取基于SymbolTree生成的网络对象。源码会保存到文件中，文件保存在当前目录的 rewritten_network 文件夹里。

说明

rewrite模块对网络的修改基于对原有网络实例的AST树的修改实现，且新的网络实例会从原有网络实例里获取属性信息，因此，新网络实例和原有网络实例存在数据关联，原有网络不应该再被使用。
由于新网络和原有网络实例存在数据关联，暂不支持使用rewrite生成的源码文件手动创建网络实例。

返回：: 根据SymbolTree生成的网络对象。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> new_net = stree.get_network()

get_node(node_name: str)[源代码]

获取SymbolTree里名称为 node_name 的节点。

参数：

node_name (str) - 节点名称。

返回：

名称为 node_name 的节点。如果SymbolTree里没有名称为 node_name 的节点，则返回 None 。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node('conv1')
>>> print(node.get_name())
conv1

insert(position, node: Node)[源代码]

在SymbolTree的 position 位置插入一个节点。 position 通过 before 或 after 来获得。

参数：

position (Position) - 插入位置。
node (Node) - 要插入的节点。

返回：

Node，被插入的节点。

异常：

ValueError - 如果 position 指定的不是该SymbolTree内的位置。
TypeError - 如果参数 position 不是Position类型。
TypeError - 如果参数 node 不是Node类型。

样例：

>>> from mindspore.rewrite import SymbolTree, ScopedValue
>>> import mindspore.nn as nn
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> position = stree.after(node)
>>> new_node = node.create_call_cell(cell=nn.ReLU(), targets=['x'],
...                                  args=[ScopedValue.create_naming_value('x')], name='new_relu')
>>> stree.insert(position, new_node)

nodes(all_nodes: bool = False)[源代码]

返回当前SymbolTree里节点的生成器，该接口用于遍历SymbolTree里的节点。

参数：

all_nodes (bool) - 获取所有节点，包括在 CallFunction 节点、 CellContainer 节点和子SymbolTree里面的节点。默认值： False 。

返回：

SymbolTree中节点的生成器。

异常：

TypeError - 如果参数 all_nodes 不是bool类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> print([node.get_name() for node in stree.nodes()])
['input_x', 'conv1', 'relu', 'max_pool2d', 'conv2', 'relu_1', 'max_pool2d_1',
 'unaryop_not', 'if_node', 'flatten', 'fc1', 'relu_2', 'fc2', 'relu_3', 'fc3', 'return_1']

print_node_tabulate(all_nodes: bool = False)[源代码]

打印SymbolTree里节点的拓扑信息，包括节点类型、节点名称、节点对应代码、节点的输入输出关系等。

信息通过print接口输出到屏幕上，包括以下信息：

node type (str)：节点类型，具体类型参考 mindspore.rewrite.NodeType 。
name (str)：节点名称。
codes (str)：节点对应的SymbolTree里的代码语句。
arg providers (Dict[int, Tuple[str, int]])：格式为 {[idx, (n, k)]} ，代表该节点的第 idx 个参数是节点 n 的第 k 个输出提供的。
target users (Dict[int, List[Tuple[str, int]]])：格式为 {[idx, [(n, k)]]} ，代表该节点的第 idx 个输出被用作节点 n 的第 k 个参数。

参数：

all_nodes (bool) - 打印所有节点的信息，包括在 CallFunction 节点、 CellContainer 节点和子SymbolTree里面的节点。默认值： False 。

异常：

TypeError - 如果参数 all_nodes 不是bool类型。

样例：

>>> from mindspore.rewrite import SymbolTree
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> stree.print_node_tabulate()

replace(old_node: Node, new_nodes: List[Node])[源代码]

使用 new_nodes 列表里的节点来替代旧节点 old_node 。

该接口会将 new_nodes 里的节点按顺序插入到SymbolTree中，然后删除旧节点 old_node 。

说明

仅支持一对一更换或一对多替换。如果需要多对多替换，请参考PatternEngine。
调用者应维护好 new_nodes 里每个节点间的拓扑关系，以及 new_nodes 里的节点与原始树中节点的拓扑关系。

参数：

old_node (Node) - 被替换节点。
new_nodes (List[Node]) - 要替换进SymbolTree的节点列表。

返回：

替换到SymbolTree的节点列表的根节点。

异常：

TypeError - 如果参数 new_nodes 不是list，或者列表中的成员不是Node类型。
TypeError - 如果参数 old_node 不是Node类型。

样例：

>>> from mindspore.rewrite import SymbolTree, ScopedValue
>>> import mindspore.nn as nn
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> stree = SymbolTree.create(net)
>>> node = stree.get_node("conv1")
>>> new_node = node.create_call_cell(cell=nn.ReLU(), targets=['x'],
...                                  args=[ScopedValue.create_naming_value('x')], name='new_relu')
>>> stree.replace(node, [new_node])

unique_name(name: str = 'output')[源代码]

基于给定 name ，返回一个SymbolTree内唯一的新的名称。当需要一个不冲突的变量名时，可以使用该接口。

参数：

name (str, 可选) - 名称前缀。默认值： "output" 。

返回：

str，一个SymbolTree内唯一的新的名称，名称格式为 name_n ，其中 n 为数字下标。如果输入 name 没有名称冲突，则没有数字下标。

异常：

TypeError - 如果参数 name 不是str类型。

class mindspore.rewrite.ValueType[源代码]

ValueType表示ScopedValue的类型。

NamingValue表示对另一个变量的引用。
CustomObjValue表示自定义类的实例，或类型超出ValueType的基本类型和容器类型范围的对象。