tf.data.experimental.OptimizationOptions

Представляет параметры оптимизации набора данных.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.data.experimental.OptimizationOptions

tf.data.experimental.OptimizationOptions()

Вы можете задать параметры оптимизации набора данных через свойство experimental_optimization tf.data.Options; свойство представляет собой экземпляр tf.data.experimental.OptimizationOptions.

options = tf.data.Options()
options.experimental_optimization.noop_elimination = True
options.experimental_optimization.map_vectorization.enabled = True
options.experimental_optimization.apply_default_optimizations = False
dataset = dataset.with_options(options)

Атрибуты
`apply_default_optimizations`	Применять ли оптимизации графа по умолчанию. Если False, применяются только те оптимизации графа, которые были явно включены.
`autotune`	Автоматически настраивать параметры производительности. Если None, по умолчанию True.
`autotune_buffers`	При включённой автоматической настройке (через `autotune`) определяет, следует ли также автоматически настраивать размеры буфера для наборов данных с параллелизмом. Если None, по умолчанию False.
`autotune_cpu_budget`	При включённой автоматической настройке (через `autotune`) определяет бюджет ЦП для использования. Допустимы значения, превышающие количество планируемых ядер ЦП, но это может привести к конкуренции за ЦП. Если None, по умолчанию равно количеству планируемых ядер ЦП.
`autotune_ram_budget`	При включённой автоматической настройке (через `autotune`) определяет бюджет оперативной памяти для использования. Значения, превышающие доступный объём оперативной памяти в байтах, могут привести к ошибке OOM. Если None, по умолчанию равно половине доступного объёма оперативной памяти в байтах.
`filter_fusion`	Объединять ли преобразования фильтра. Если None, по умолчанию False.
`filter_with_random_uniform_fusion`	Объединять ли набор данных фильтра, который предсказывает random_uniform < rate, в набор данных выборки. Если None, по умолчанию False.
`hoist_random_uniform`	Выполнять ли поднятие операций `tf.random_uniform()` из преобразований map. Если None, по умолчанию False.
`map_and_batch_fusion`	Объединять ли преобразования map и batch. Если None, по умолчанию True.
`map_and_filter_fusion`	Объединять ли преобразования map и filter. Если None, по умолчанию False.
`map_fusion`	Объединять ли преобразования map. Если None, по умолчанию False.
`map_parallelization`	Параллелизовать ли бессостоятельные преобразования map. Если None, по умолчанию False.
`map_vectorization`	Параметры векторизации map, связанные с набором данных. См. `tf.data.experimental.MapVectorizationOptions` для получения дополнительных сведений.
`noop_elimination`	Удалять ли преобразования без действий. Если None, по умолчанию True.
`parallel_batch`	Параллелизовать ли копирование элементов batch. Эта оптимизация очень экспериментальная и может привести к снижению производительности (например, когда накладные расходы на параллелизацию превышают преимущества параллельного выполнения копирования данных). Вы должны включать эту оптимизацию только в том случае, если ваша входная система заблокирована на этапе batching, и вы подтвердили, что эта оптимизация повышает производительность. Если None, по умолчанию False.
`reorder_data_discarding_ops`	Переупорядочить ли операции, которые будут отбрасывать данные, в начало преобразований с сохранением кардинальности, например, dataset.map(...).take(3) будет оптимизироваться до dataset.take(3).map(...). Пока эта оптимизация переместит `skip`, `shard` и `take` в начало `map` и `prefetch`. Эта оптимизация предназначена только для повышения производительности; она не повлияет на вывод набора данных. Если None, по умолчанию True.
`shuffle_and_repeat_fusion`	Объединять ли преобразования shuffle и repeat. Если None, по умолчанию True.

Методы

`eq`

Просмотреть исходный код

__eq__(
    other
)

Возвращает self==value.

`ne`

Просмотреть исходный код

__ne__(
    other
)

Возвращает self!=value.

© 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/r2.4/api_docs/python/tf/data/experimental/OptimizationOptions