tf.data.experimental.AutotuneAlgorithm
Представляет тип алгоритма автоматической настройки, который следует использовать.
DEFAULT: Поведение по умолчанию зависит от реализации и может меняться со временем.
HILL_CLIMB: На каждом шаге оптимизации этот алгоритм выбирает оптимальное значение параметра и увеличивает его на 1.
GRADIENT_DESCENT: На каждом шаге оптимизации этот алгоритм обновляет значения параметров в оптимальном направлении.
MAX_PARALLELISM: Аналогичен HILL_CLIMB, но использует более мягкое условие остановки, позволяя оптимизации создавать избыточную нагрузку на ЦП.
STAGE_BASED: На каждом шаге оптимизации этот алгоритм выбирает параметр, создающий самое большое узкое место, и увеличивает его значение на 1.
| Переменные класса | |
|---|---|
| DEFAULT | <AutotuneAlgorithm.DEFAULT: 0> |
| GRADIENT_DESCENT | <AutotuneAlgorithm.GRADIENT_DESCENT: 2> |
| HILL_CLIMB | <AutotuneAlgorithm.HILL_CLIMB: 1> |
| MAX_PARALLELISM | <AutotuneAlgorithm.MAX_PARALLELISM: 3> |
| STAGE_BASED | <AutotuneAlgorithm.STAGE_BASED: 4> |
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/data/experimental/AutotuneAlgorithm
