tf.saved_model.SaveOptions

Параметры для сохранения в SavedModel.

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

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 блокнотах

Используется в руководстве	Используется в учебниках
Расширенная автоматическая дифференциация	Сохранение и загрузка модели с помощью стратегии распределения Рекомендация фильмов: ретрив Эффективное предоставление сервиса Учебник: Экспорт StableHLO из JAX Решение задач GLUE с помощью BERT на TPU

Эта функция может использоваться в аргументе options в функциях, которые сохраняют SavedModel (tf.saved_model.save, tf.keras.models.save_model).

Аргументы
`namespace_whitelist`	Список строк, содержащих имена пространств имен операторов, которые следует добавить в белый список при сохранении модели. При сохранении объекта, использующего именные пространства операторов, необходимо явно добавить все пространства имен в белый список. Имена пространства имен операторов должны быть зарегистрированы в рамках при загрузке SavedModel. Если белый список не предоставлен, будут разрешены все именные пространства операторов.
`save_debug_info`	Булево значение, указывающее, сохраняется ли отладочная информация. Если True, то будет создан файл debug/saved_model_debug_info.pb, содержащий данные GraphDebugInfo в двоичном формате протокола, содержащие информацию об отладке стека для всех операторов и функций, которые сохраняются.
`function_aliases`	Словарь Python. Сопоставление строки с объектом, возвращаемым @tf.function. Одна tf.function может генерировать множество ConcreteFunctions. Если инструмент ниже по потоку хочет обратиться ко всем конкретным функциям, сгенерированным одной tf.function, можно использовать аргумент `function_aliases` для хранения отображения от псевдонима до всех имен 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 установлено в True, это удаляет узлы отладки из графа, как из узлов, так и из определений функций. Обратите внимание, что в настоящее время это удаляет только узлы `Assert` из графа и преобразует их в `NoOp`.
`experimental_io_device`	строка. Применяется в распределенной среде. Устройство Tensorflow, используемое для доступа к файловой системе. Если `None` (по умолчанию), то для каждой переменной доступ к файловой системе осуществляется из устройства CPU:0 хоста, на котором эта переменная назначена. Если указано, доступ к файловой системе вместо этого осуществляется с этого устройства для всех переменных. Это, например, полезно, если вы хотите сохранить в локальный каталог, например, "/tmp", при работе в распределённой среде. В этом случае передайте устройство для хоста, где доступен каталог "/tmp".
`experimental_variable_policy`	Политика, применяемая к переменным при сохранении. Это либо экземпляр перечисления `saved_model.experimental.VariablePolicy`, либо одна из его строковых значений (регистр не важен). Подробности см. в документации по этому перечислению. Значение `None` соответствует политике по умолчанию.
`experimental_custom_gradients`	Булево значение. При True, будут сохранены отслеженные функции градиента для функций, помеченных `tf.custom_gradient`. По умолчанию `True`.
`experimental_image_format`	Новый (высоко) экспериментальный формат, способный сохранять модели больше, чем 2 ГБ лимит protobuf. Включение этого параметра, скорее всего, нарушит совместимость с клиентами ниже по потоку. Этот параметр в настоящее время отключён в OSS.
`experimental_skip_saver`	Если True, предотвратит создание SavedModel собственных операций для создания контрольных точек — это для моделей, которые не используют встроенную функциональность SavedModel для создания контрольных точек, чтобы избежать затрат, связанных с созданием и сериализацией этих операций.
`experimental_sharding_callback`	`tf.train.experimental.ShardingCallback`. Заранее созданный или пользовательский обратный вызов, определяющий, как контрольные точки фрагментируются на диске. Варианты заранее созданных обратных вызовов — `tf.train.experimental.ShardByDevicePolicy` и `tf.train.experimental.MaxShardSizePolicy`. Вы также можете написать пользовательский 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