tf.saved_model.SaveOptions

Параметры для сохранения в формате SavedModel.

Псевдонимы

Псевдонимы для обеспечения совместимости при миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.saved_model.SaveOptions

tf.saved_model.SaveOptions(
    namespace_whitelist=None,
    save_debug_info=False,
    function_aliases=None,
    experimental_debug_stripper=False,
    experimental_io_device=None,
    experimental_variable_policy=None,
    experimental_custom_gradients=True,
    experimental_image_format=False,
    experimental_skip_saver=False,
    experimental_sharding_callback=None
)

Используется в ноутбуках

Используется в руководстве	Используется в учебных материалах
Расширенное автоматическое дифференцирование	Сохранение и загрузка модели с использованием стратегии распределения Рекомендации фильмов: извлечение Эффективное обслуживание моделей Руководство: экспорт StableHLO из JAX Решение задач GLUE с помощью BERT на TPU

Эту функцию можно использовать в качестве аргумента options в функциях, сохраняющих SavedModel (tf.saved_model.save, tf.keras.models.save_model).

Аргументы
`namespace_whitelist`	Список строк с пространствами имен операций, которые следует внести в белый список при сохранении модели. При сохранении объекта, использующего операции с пространствами имен, необходимо явно добавить в белый список все пространства имен. При загрузке SavedModel операции с пространствами имен должны быть зарегистрированы в платформе. Если белый список не задан, разрешаются все операции с пространствами имен.
`save_debug_info`	Логическое значение, указывающее, сохраняется ли отладочная информация. Если значение равно True, будет создан файл debug/saved_model_debug_info.pb с содержимым двоичного буфера протокола GraphDebugInfo, содержащего информацию о трассировках стека для всех сохраняемых операций и функций.
`function_aliases`	Словарь Python. Соответствие строк объектам, возвращаемым @tf.function. Одна функция tf.function может создавать множество ConcreteFunctions. Если нижестоящему инструменту нужно обращаться ко всем конкретным функциям, созданным одной функцией tf.function, можно использовать аргумент `function_aliases` для хранения соответствия имени псевдонима всем именам конкретных функций. Например: >>> class Adder(tf.Module): ... @tf.function ... def double(self, x): ... return x + x >>> model = Adder() >>> model.double.get_concrete_function( ... tf.TensorSpec(shape=[], dtype=tf.float32, name="float_input")) >>> model.double.get_concrete_function( ... tf.TensorSpec(shape=[], dtype=tf.string, name="string_input")) >>> options = tf.saved_model.SaveOptions( ... function_aliases={'double': model.double}) >>> tf.saved_model.save(model, '/tmp/adder', options=options)
`experimental_debug_stripper`	bool. Если задано значение True, отладочные узлы удаляются из графа — как из узлов, так и из определений функций. Обратите внимание: в настоящее время из графа удаляются только узлы `Assert`, которые вместо этого преобразуются в `NoOp`.
`experimental_io_device`	string. Применяется в распределенной среде. Устройство TensorFlow, используемое для доступа к файловой системе. Если задано `None` (значение по умолчанию), для каждой переменной файловая система доступна с устройства CPU:0 хоста, которому назначена эта переменная. Если устройство указано, файловая система для всех переменных будет доступна с этого устройства. Это, например, полезно, если нужно сохранить данные в локальный каталог, например "/tmp", при выполнении в распределенной среде. В этом случае укажите устройство хоста, на котором доступен каталог "/tmp".
`experimental_variable_policy`	Политика, применяемая к переменным при сохранении. Это либо экземпляр перечисления `saved_model.experimental.VariablePolicy`, либо одна из строковых констант его значений (регистр не имеет значения). Подробности см. в документации по этому перечислению. Значение `None` соответствует политике по умолчанию.
`experimental_custom_gradients`	Логическое значение. Если задано значение True, для функций, декорированных с помощью `tf.custom_gradient`, будут сохранены трассированные функции градиента. Значение по умолчанию — `True`.
`experimental_image_format`	Новый (весьма) экспериментальный формат, позволяющий сохранять модели размером более 2 ГБ, что превышает ограничение protobuf. Включение этого параметра, вероятно, нарушит совместимость с нижестоящими потребителями. В настоящее время этот параметр отключен в OSS.
`experimental_skip_saver`	Если задано значение True, SavedModel не будет создавать собственные операции контрольных точек. Это предназначено для моделей, не использующих встроенные в SavedModel функции создания контрольных точек, и позволяет избежать затрат, связанных с созданием и сериализацией этих операций.
`experimental_sharding_callback`	`tf.train.experimental.ShardingCallback`. Готовый или пользовательский обратный вызов, определяющий способ разделения контрольных точек на диске. Доступны следующие готовые варианты обратных вызовов: `tf.train.experimental.ShardByDevicePolicy` и `tf.train.experimental.MaxShardSizePolicy`. Также можно написать собственный обратный вызов; см. `tf.train.experimental.ShardingCallback`.

Атрибуты
`experimental_custom_gradients`
`experimental_debug_stripper`
`experimental_image_format`
`experimental_io_device`
`experimental_sharding_callback`
`experimental_skip_saver`
`experimental_variable_policy`
`function_aliases`
`namespace_whitelist`
`save_debug_info`

© 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/SaveOptions