Spec-Zone.ru › TensorFlow

tf.saved_model.experimental.TrackableResource

Содержит тензор, который может захватить tf.function.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.saved_model.experimental.TrackableResource

tf.saved_model.experimental.TrackableResource(
    device=''
)

TrackableResource наиболее полезен для управляемых тензоров, которые требуют инициализации, таких как tf.lookup.StaticHashTable. TrackableResource обнаруживаются путем обхода графа атрибутов объекта, например, во время tf.saved_model.save.

У TrackableResource есть три метода для переопределения:

  • _create_resource должен создать дескриптор тензора ресурса.
  • _initialize должен инициализировать ресурс, хранящийся в self.resource_handle.
  • _destroy_resource вызывается при уничтожении TrackableResource и должен уменьшить счетчик ссылок ресурса. Для большинства ресурсов это должно быть выполнено с помощью вызова tf.raw_ops.DestroyResourceOp.

Пример использования:

class DemoResource(tf.saved_model.experimental.TrackableResource):
  def __init__(self):
    super().__init__()
    self._initialize()
  def _create_resource(self):
    return tf.raw_ops.VarHandleOp(dtype=tf.float32, shape=[2])
  def _initialize(self):
    tf.raw_ops.AssignVariableOp(
        resource=self.resource_handle, value=tf.ones([2]))
  def _destroy_resource(self):
    tf.raw_ops.DestroyResourceOp(resource=self.resource_handle)
class DemoModule(tf.Module):
  def __init__(self):
    self.resource = DemoResource()
  def increment(self, tensor):
    return tensor + tf.raw_ops.ReadVariableOp(
        resource=self.resource.resource_handle, dtype=tf.float32)
demo = DemoModule()
demo.increment([5, 1])
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([6., 2.], dtype=float32)>
Аргументы
device Строка, указывающая требуемое расположение для данного ресурса, например, "CPU", если этот ресурс должен быть создан на устройстве CPU. Пустое устройство позволяет пользователю размещать создание ресурса, поэтому, как правило, это должно быть пустым, если ресурс осмыслен только на одном устройстве.
Атрибуты
resource_handle Возвращает дескриптор ресурса, связанный с этим ресурсом.

© 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/saved_model/experimental/TrackableResource

Spec-Zone.ru

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