Spec-Zone.ru › TensorFlow

tf.nondifferentiable_batch_function

Группирует вычисления, выполняемые декорированной функцией.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.nondifferentiable_batch_function

tf.nondifferentiable_batch_function(
    num_batch_threads,
    max_batch_size,
    batch_timeout_micros,
    allowed_batch_sizes=None,
    max_enqueued_batches=10,
    autograph=True,
    enable_large_batch_splitting=True
)

Например, в следующем коде

@batch_function(1, 2, 3)
def layer(a):
  return tf.matmul(a, a)

b = layer(w)

если более одного вызова session.run пытается одновременно вычислить b значения w будут собраны, не детерминированно конкатенированы по первой оси, и только один поток будет выполнять вычисления. Подробнее см. документацию по операции Batch.

Предполагается, что все аргументы декорированной функции являются тензорами, которые будут сгруппированы по первому измерению.

SparseTensor не поддерживается. Результат декорированной функции должен быть тензором или списком/кортежем тензоров.

Аргументы
num_batch_threads Количество потоков планирования для обработки пакетов работ. Определяет количество одновременно обрабатываемых пакетов.
max_batch_size Размер пакета никогда не будет больше этого значения.
batch_timeout_micros Максимальное время ожидания в микросекундах перед выводом неполного пакета.
allowed_batch_sizes Необязательный список разрешенных размеров пакетов. Если оставлен пустым, ничего не делает. В противном случае, предоставляет список размеров пакетов, заставляя операцию дополнять пакеты до одного из этих размеров. Элементы должны возрастать монотонно, и последний элемент должен быть равен max_batch_size.
max_enqueued_batches Максимальная глубина очереди пакетов. По умолчанию 10.
autograph Использовать ли автограф для компиляции Python-кода и кода в стиле eager для эффективного выполнения в режиме графа.
enable_large_batch_splitting Значение этого параметра не влияет на обработку вывода, учитывая те же входные данные; оно влияет на детали реализации, как указано ниже: 1. Улучшить эффективность группирования, устранив ненужное добавление. 2.max_batch_size определяет предел входных данных, а allowed_batch_sizes определяет предел задачи для обработки. Пользователь API может предоставить входные данные размером 128, когда 'max_execution_batch_size' равен 32 -> реализация может разбить входные данные 128 на 4 x 32, запланировать одновременную обработку, а затем вернуть конкатенированные результаты, соответствующие 128.
Возвращаемое значение
Декорированная функция вернет тензоры вычислений без группировки.

© 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/nondifferentiable_batch_function

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API