tf.xla.experimental.compile

Создаёт оператор, который компилирует и выполняет computation с помощью XLA. (устарело)

Просмотреть псевдонимы

Псевдонимы для совместимости при миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.xla.experimental.compile

tf.xla.experimental.compile(
    computation, inputs=None
)

Примечание: В режиме eager computation будет иметь семантику @tf.function.

Аргументы

Аргументы
`computation`	Функция Python, которая строит вычисление, применяемое к входным данным. Если функция принимает n входных данных, «inputs» должен быть списком из n `Tensor`ов. `computation` может возвращать список из `Tensor`ов и `Operation`ов. `Tensor`ы должны предшествовать `Operation`ам в возвращаемом списке. Все `Operation`ы, возвращённые из `computation`, будут выполнены при вычислении любого из возвращённых выходных тензоров.
`inputs`	Список входных данных или `None` (эквивалент пустого списка). Каждый входной элемент может представлять собой вложенную структуру, содержащую значения, которые можно преобразовать в `Tensor`ы. Обратите внимание: передача N-мерного списка совместимых значений приведёт к созданию N-мерного списка скалярных `Tensor`ов, а не одного `Tensor` ранга N. Если требуется другое поведение, преобразуйте части `inputs` в `Tensor`ы с помощью `tf.convert_to_tensor`.

computation

Функция Python, которая строит вычисление, применяемое к входным данным. Если функция принимает n входных данных, «inputs» должен быть списком из n Tensorов.

computation может возвращать список из Tensorов и Operationов. Tensorы должны предшествовать Operationам в возвращаемом списке.

Все Operationы, возвращённые из computation, будут выполнены при вычислении любого из возвращённых выходных тензоров.

inputs Список входных данных или None (эквивалент пустого списка). Каждый входной элемент может представлять собой вложенную структуру, содержащую значения, которые можно преобразовать в Tensorы. Обратите внимание: передача N-мерного списка совместимых значений приведёт к созданию N-мерного списка скалярных Tensorов, а не одного Tensor ранга N. Если требуется другое поведение, преобразуйте части inputs в Tensorы с помощью tf.convert_to_tensor.

Возвращает

Возвращает
Список `Tensor`ов, соответствующих `Tensor`ам из выходных данных `computation`, то есть то же возвращаемое значение, что и при непосредственном вызове computation(*inputs), за следующими исключениями: Выходное значение None: будет возвращён NoOp с управляющей зависимостью от `computation`. Одно выходное значение: будет возвращён кортеж, содержащий это значение. Выходные данные, состоящие только из операций: будет возвращён NoOp с управляющей зависимостью от `computation`.

Список Tensorов, соответствующих Tensorам из выходных данных computation, то есть то же возвращаемое значение, что и при непосредственном вызове computation(*inputs), за следующими исключениями:

Выходное значение None: будет возвращён NoOp с управляющей зависимостью от computation.
Одно выходное значение: будет возвращён кортеж, содержащий это значение.
Выходные данные, состоящие только из операций: будет возвращён NoOp с управляющей зависимостью от computation.

Вызывает исключение
`RuntimeError`	Если включено eager-выполнение.

Известные проблемы
Если операция tf.random создаётся с помощью XLA, реализация не передаёт заданное пользователем начальное значение компилятору XLA. Поэтому компилятор XLA генерирует случайное число и использует его как начальное значение при компиляции операции. Эта реализация нарушает семантику, определённую в TensorFlow, в двух аспектах. Во-первых, изменение заданного пользователем начального значения не влияет на числа, генерируемые операцией. Во-вторых, если начальное значение не указано, при многократном запуске программы будут генерироваться одни и те же числа.

Известные проблемы

Если операция tf.random создаётся с помощью XLA, реализация не передаёт заданное пользователем начальное значение компилятору XLA. Поэтому компилятор XLA генерирует случайное число и использует его как начальное значение при компиляции операции. Эта реализация нарушает семантику, определённую в TensorFlow, в двух аспектах. Во-первых, изменение заданного пользователем начального значения не влияет на числа, генерируемые операцией. Во-вторых, если начальное значение не указано, при многократном запуске программы будут генерироваться одни и те же числа.

© 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/xla/experimental/compile