tf.compat.v1.tpu.shard

Разделяет computation для параллельного выполнения.

tf.compat.v1.tpu.shard(
    computation, inputs=None, num_shards=1, input_shard_axes=None,
    outputs_from_all_shards=True, output_shard_axes=None, infeed_queue=None,
    device_assignment=None, name=None
)

inputs должен быть списком тензоров или None (эквивалентно пустому списку), каждый из которых имеет соответствующую ось разделения (от input_shard_axes). Каждый вход разделяется на num_shards части по соответствующей оси, и вычисление применяется к каждому фрагменту параллельно.

Тензоры транслируются во все фрагменты, если они лексически захвачены computation. Например,

x = tf.constant(7) def computation(): return x + 3 ... = shard(computation, ...)

в качестве входов.

Если outputs_from_all_shards истинно, результаты со всех фрагментов computation конкатенируются обратно по их output_shard_axes. В противном случае каждый результат берется из произвольного фрагмента.

Входы и выходы вычисления должны быть тензорами ранга не менее 1.

Аргументы
`computation`	Функция Python, которая строит вычисление, которое применяется к каждому фрагменту входных данных.
`inputs`	Список входных тензоров или None (эквивалентно пустому списку). Каждый входной тензор имеет соответствующую ось фрагмента, заданную `input_shard_axes`, размер которой должен быть кратен `num_shards`.
`num_shards`	Количество фрагментов.
`input_shard_axes`	Список измерений, по которым следует разделить `inputs`, или `None`. `None` означает «разделить все входные данные по измерению 0». Если не `None`, должно быть одно измерение на каждый вход.
`outputs_from_all_shards`	Булево значение или список булевых значений. Для каждого выхода, если `True`, результаты со всех фрагментов конкатенируются по соответствующему `output_shard_axes` элементу. В противном случае каждый результат берется из произвольного фрагмента. Если аргумент является булевым, значение аргумента используется для каждого выхода.
`output_shard_axes`	Список измерений, по которым необходимо конкатенировать результаты `computation`, или `None`. `None` означает «конкатенировать все результаты по измерению 0». Если не `None`, должно быть одно измерение на каждый результат. Игнорируется, если `outputs_from_all_shards` равно False.
`infeed_queue`	Если не `None`, то `InfeedQueue` для увеличения входов `computation`.
`device_assignment`	Если не `None`, то `DeviceAssignment` описание сопоставления логических ядер в вычислении с физическими ядрами в топологии TPU. Использует значение по умолчанию для назначения устройств, если `None`. `DeviceAssignment` можно опустить, если каждый фрагмент вычисления использует только одно ядро, и либо есть только один фрагмент, либо количество фрагментов равно количеству ядер в системе TPU.
`name`	(Устаревшее) Ничего не делает.

Возвращаемое значение
Список выходных тензоров.

Исключения
`ValueError`	Если num_shards <= 0
`ValueError`	Если len(input_shard_axes) != len(inputs)
`ValueError`	Если len(output_shard_axes) != len(выходы из `computation`)

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/compat/v1/tpu/shard