paddlepaddle（七）动态图转静态图

官方文档：动态图转静态图 
1.动态图和静态图
在深度学习模型构建上，飞桨框架支持动态图编程和静态图编程两种方式，其代码编写和执行方式均存在差异。
动态图编程： 采用 Python 的编程风格，解析式地执行每一行网络代码，并同时返回计算结果。 静态图编程： 采用先编译后执行的方式。需先在代码中预定义完整的神经网络结构，飞桨框架会将神经网络描述为 Program 的数据结构，并对 Program 进行编译优化，再调用执行器获得计算结果。
1.1优劣 
动态图编程体验更佳、更易调试，但是因为采用 Python 实时执行的方式，开销较大，在性能方面与 C++ 有一定差距；静态图调试难度大，但是将前端 Python 编写的神经网络预定义为 Program描述，转到 C++ 端重新解析执行，脱离了 Python 依赖，往往执行性能更佳，并且预先拥有完整网络结构也更利于全局优化。
1.2动态图转静态图
在模型开发时，推荐采用动态图编程。 可获得更好的编程体验、更易用的接口、更友好的调试交互机制。 在模型训练或者推理部署时，只需添加一行装

paddlepaddle（七）动态图转静态图最先出现在Python成神之路。