tf.compat.v1.estimator.tpu.RunConfig

RunConfig с поддержкой TPU.

Наследуется от: RunConfig

tf.compat.v1.estimator.tpu.RunConfig(
    tpu_config=None,
    evaluation_master=None,
    master=None,
    cluster=None,
    **kwargs
)

Аргументы
`tpu_config`	TPUConfig, определяющий конфигурацию, специфичную для TPU.
`evaluation_master`	строка. Адрес узла-мастера для использования в режиме оценки. По умолчанию используется master, если не указано иное.
`master`	строка. Адрес узла-мастера для использования в режиме обучения.
`cluster`	ClusterResolver
`**kwargs`	ключевые параметры конфигурации.

Исключения
`ValueError`	если cluster не None и предоставленная session_config уже содержит cluster_def.

Атрибуты
`checkpoint_save_graph_def`
`cluster`
`cluster_spec`
`device_fn`	Возвращает device_fn. Если device_fn не `None`, он переопределяет функцию устройства по умолчанию, используемую в `Estimator`. В противном случае используется функция по умолчанию.
`eval_distribute`	Необязательная `tf.distribute.Strategy` для оценки.
`evaluation_master`
`experimental_max_worker_delay_secs`
`global_id_in_cluster`	Глобальный идентификатор в кластере обучения. Все глобальные идентификаторы в кластере обучения присваиваются из возрастающей последовательности последовательных целых чисел. Первый идентификатор равен 0. Примечание: Идентификатор задачи (поле свойства `task_id`) отслеживает индекс узла среди всех узлов с ОДИНАКОВЫМ типом задачи. Например, при задании кластерной схемы следующим образом: cluster = {'chief': ['host0:2222'], 'ps': ['host1:2222', 'host2:2222'], 'worker': ['host3:2222', 'host4:2222', 'host5:2222']} Узлы с типом задачи `worker` могут иметь идентификаторы 0, 1, 2. Узлы с типом задачи `ps` могут иметь идентификаторы 0, 1. Таким образом, `task_id` не уникален, но пара (`task_type`, `task_id`) может однозначно определить узел в кластере. Глобальный идентификатор, т.е. это поле, отслеживает индекс узла среди ВСЕХ узлов в кластере. Он назначается однозначно. Например, для указанного выше описания кластера глобальные идентификаторы присваиваются следующим образом: task_type \| task_id \| global_id -------------------------------- chief \| 0 \| 0 worker \| 0 \| 1 worker \| 1 \| 2 worker \| 2 \| 3 ps \| 0 \| 4 ps \| 1 \| 5
`is_chief`
`keep_checkpoint_every_n_hours`
`keep_checkpoint_max`
`log_step_count_steps`
`master`
`model_dir`
`num_ps_replicas`
`num_worker_replicas`
`protocol`	Возвращает необязательное значение протокола.
`save_checkpoints_secs`
`save_checkpoints_steps`
`save_summary_steps`
`service`	Возвращает словарь сервисов, определенных платформой (в TF_CONFIG).
`session_config`
`session_creation_timeout_secs`
`task_id`
`task_type`
`tf_random_seed`
`tpu_config`
`train_distribute`	Необязательная `tf.distribute.Strategy` для обучения.

Методы

`replace`

Просмотреть исходный код

replace(
    **kwargs
)

Возвращает новый экземпляр RunConfig с заменой указанных свойств.

Разрешено изменять только свойства из следующего списка:

model_dir,
tf_random_seed,
save_summary_steps,
save_checkpoints_steps,
save_checkpoints_secs,
session_config,
keep_checkpoint_max,
keep_checkpoint_every_n_hours,
log_step_count_steps,
train_distribute,
device_fn,
protocol.
eval_distribute,
experimental_distribute,
experimental_max_worker_delay_secs,

Кроме того, можно задать либо save_checkpoints_steps либо save_checkpoints_secs (не оба одновременно).

Аргументы
`**kwargs`	ключевые параметры свойств с новыми значениями.

Исключения
`ValueError`	Если имя любого свойства из `kwargs` не существует или не разрешено для изменения, или оба `save_checkpoints_steps` и `save_checkpoints_secs` заданы.

Возвращаемое значение
новый экземпляр `RunConfig`.

© 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/versions/r2.9/api_docs/python/tf/compat/v1/estimator/tpu/RunConfig