tf.raw_ops.MutexLock

Блокирует ресурс мьютекса. Выход — это блокировка. Пока тензор блокировки

tf.raw_ops.MutexLock(
    mutex, name=None
)

активен, любая другая попытка использовать MutexLock с этим мьютексом будет ожидать.

Это особенно полезно для создания критической секции в сочетании с MutexLockIdentity:

mutex = mutex_v2(
  shared_name=handle_name, container=container, name=name)

def execute_in_critical_section(fn, *args, **kwargs):
  lock = gen_resource_variable_ops.mutex_lock(mutex)

  with ops.control_dependencies([lock]):
    r = fn(*args, **kwargs)

  with ops.control_dependencies(nest.flatten(r)):
    with ops.colocate_with(mutex):
      ensure_lock_exists = mutex_lock_identity(lock)

    # Make sure that if any element of r is accessed, all of
    # them are executed together.
    r = nest.map_structure(tf.identity, r)

  with ops.control_dependencies([ensure_lock_exists]):
    return nest.map_structure(tf.identity, r)

Пока fn выполняется в критической секции, другие функции, желающие использовать эту критическую секцию, не могут выполняться.

Часто возникает ситуация, когда два выполнения одной и той же графы параллельно пытаются выполнить fn; и нам нужно гарантировать, что только одно из них выполняется за раз. Это особенно важно, если fn изменяет одну или несколько переменных за раз.

Это также полезно, если две отдельные функции должны совместно использовать ресурс, но мы хотим гарантировать исключительное использование.