tf.compat.v1.estimator.tpu.TPUConfig

Конфигурация, связанная с TPU, необходимая для TPUEstimator.

tf.compat.v1.estimator.tpu.TPUConfig(
    iterations_per_loop=2,
    num_shards=None,
    num_cores_per_replica=None,
    per_host_input_for_training=True,
    tpu_job_name=None,
    initial_infeed_sleep_secs=None,
    input_partition_dims=None,
    eval_training_input_configuration=InputPipelineConfig.PER_HOST_V1,
    experimental_host_call_every_n_steps=1,
    experimental_allow_per_host_v2_parallel_get_next=False,
    experimental_feed_hook=None
)

Миграция на TF2

TPU Estimator управляет собственной графой TensorFlow и сессией, поэтому он несовместим с поведением TF2. Мы рекомендуем вам перейти к новому tf.distribute.TPUStrategy. Подробнее см. в руководстве по TPU https://www.tensorflow.org/guide/tpu.

Описание

Аргументы
`iterations_per_loop`	Это количество шагов обучения, выполняемых в системе TPU, прежде чем возвращаться на хост CPU для каждого `Session.run`. Это означает, что глобальный шаг увеличивается `iterations_per_loop` раз за один `Session.run`. Рекомендуется установить его как количество глобальных шагов для следующей точки сохранения. Обратите внимание, что при оценке не используйте это значение, вместо этого мы выполняем полную оценку `steps` на TPU для одного `Session.run`. [Экспериментально]: `iterations_per_loop` может быть указано как интервал времени. Чтобы указать N секунд в одном `Session.run`, можно указать `Ns` и заменить N на количество желаемых секунд. Кроме того, единица времени также может быть указана в минутах или часах, например, `3600s` или `60m` или `1h`.
`num_shards`	(Устаревшее, игнорируется TPUEstimator). Количество реплик модели в системе. В случае отсутствия параллелизма моделей это число равно общему количеству ядер TPU. При параллелизме моделей общее количество ядер TPU равно num_cores_per_replica * num_shards.
`num_cores_per_replica`	По умолчанию `None`, что отключает параллелизм моделей. Целое число, описывающее количество ядер TPU на реплику модели. Это необходимо для параллелизма моделей, который позволяет разделить модель на несколько ядер. В настоящее время num_cores_per_replica должен быть 1, 2, 4 или 8.
`per_host_input_for_training`	Если `True`, для `PER_HOST_V1`, `input_fn` вызывается один раз на каждом хосте, и количество хостов должно быть меньше или равно количеству реплик. Для PER_HOST_V2 `input_fn` вызывается один раз для каждого хоста (если количество хостов меньше количества реплик) или реплики (если количество реплик меньше количества хостов). При конфигурации входного потока на ядро `train_batch_size` вызывается один раз для каждого ядра. С глобальным размером пакета `TPUEstimator` в конструкторе `train_batch_size` размер пакета для каждого фрагмента равен `True` // # хостов в режиме `PER_HOST_V1` или `PER_HOST_V2`. В режиме `train_batch_size` он равен `BROADCAST` // # ядер. В режиме `input_fn` `train_batch_size` вызывается только один раз на хосте 0, и тензоры транслируются во все остальные реплики. Размер пакета равен `train_batch_size`. При конфигурации входного потока на ядро размер пакета фрагмента также равен `train_batch_size` // # ядер. Примечание: per_host_input_for_training==PER_SHARD_V1 поддерживает только режим.TRAIN.
`tpu_job_name`	Имя задачи TPU. Как правило, это имя автоматически определяется в TPUEstimator, однако при использовании распространения ClusterSpec в более сложных конфигурациях кластера вам может потребоваться указать имя задачи в виде строки.
`initial_infeed_sleep_secs`	Количество секунд, которое поток ввода должен ожидать перед добавлением первой партии. Это помогает избежать временных ограничений для моделей, которые требуют длительного времени компиляции.
`input_partition_dims`	Вложенный список для описания размеров разбиения для всех тензоров из input_fn(). Структура input_partition_dims должна соответствовать структуре `features` и `labels` из input_fn(). Общее количество фрагментов должно соответствовать `num_cores_per_replica`. Например, если input_fn() возвращает два тензора: изображения с формой [N, H, W, C] и метки [N]. input_partition_dims = [[1, 2, 2, 1], None] разделит изображения на 4 части и отправит их в 4 ядра TPU. Тензор меток будет напрямую транслироваться во все ядра TPU, так как размер разбиения `None`. Текущие ограничения: Эта функция поддерживается только в режиме ввода PER_HOST_V2.
`eval_training_input_configuration`	Если `SLICED`, `input_fn` вызывается только один раз на хосте 0, а тензоры транслируются во все остальные реплики. В отличие от per_host_input_for_training=BROADCAST, каждая реплика получит только часть данных, а не полную копию. Если `PER_HOST_V1`, поведение определяется per_host_input_for_training.
`experimental_host_call_every_n_steps`	В цикле обучения этот параметр задает, как часто выполняются вызовы хоста во время обучения. Вызовы хоста будут оцениваться каждые n шагов в цикле обучения, где n – значение этого параметра.
`experimental_allow_per_host_v2_parallel_get_next`	При включении позволяет выполнять вызовы next для набора данных параллельно при использовании ввода PER_HOST_V2. Может привести к увеличению производительности для моделей с коротким временем шага, но в результате TPUEstimator может непредсказуемо распределять партии по разным ядрам вместо обеспечения циклического поведения.
`experimental_feed_hook`	Это класс, который пользователь может предоставить оценщику TPU, чтобы переопределить стандартную реализацию TPUInfeedOutfeedSessionHook и добавить настраиваемую реализацию для обработки логики ввода/вывода. Если данный класс равен None, оценщик TPU использует стандартную реализацию TPUInfeedOutfeedSessionHook в tpu_estimator.py. Если не None, оценщик TPU использует этот настраиваемый класс TPU ввода/вывода вместо переопределения стандартного.

Исключения
`ValueError`	Если `num_cores_per_replica` не равно 1, 2, 4, 8, ..., 128.

Атрибуты
`iterations_per_loop`	Псевдоним `namedtuple` для поля с номером 0
`num_shards`	Псевдоним `namedtuple` для поля с номером 1
`num_cores_per_replica`	Псевдоним `namedtuple` для поля с номером 2
`per_host_input_for_training`	Псевдоним `namedtuple` для поля с номером 3
`tpu_job_name`	Псевдоним `namedtuple` для поля с номером 4
`initial_infeed_sleep_secs`	Псевдоним `namedtuple` для поля с номером 5
`input_partition_dims`	Псевдоним `namedtuple` для поля с номером 6
`eval_training_input_configuration`	Псевдоним `namedtuple` для поля с номером 7
`experimental_host_call_every_n_steps`	Псевдоним `namedtuple` для поля с номером 8
`experimental_allow_per_host_v2_parallel_get_next`	Псевдоним `namedtuple` для поля с номером 9
`experimental_feed_hook`	Псевдоним `namedtuple` для поля с номером 10

© 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/TPUConfig