tf.experimental.async_scope

Менеджер контекста для группировки асинхронных операций.

@tf_contextlib.contextmanager
tf.experimental.async_scope()

Вызовы операций/функций внутри области могут возвращать результат до завершения фактического выполнения. При выходе из асинхронной области автоматически добавляется барьер синхронизации, обеспечивающий завершение выполнения всех асинхронных операций и функций; при этом могут возникнуть исключения, если асинхронное выполнение завершилось с ошибкой.

Пользователи могут написать следующий код, чтобы асинхронно вызывать train_step_fn и регистрировать метрику loss на каждом шаге num_steps в цикле обучения. train_step_fn внутри использует iterator.get_next() для получения данных и может выдать OutOfRangeError, когда данные закончатся. В этом случае:

try:
  with tf.experimental.async_scope():
    for _ in range(num_steps):
      # Step function updates the metric `loss` internally
      train_step_fn()
except tf.errors.OutOfRangeError:
  tf.experimental.async_clear_error()
logging.info('loss = %s', loss.numpy())