tf.experimental.async_scope

Менеджер контекста для группирования асинхронных операций.

@tf_contextlib.contextmanager
tf.experimental.async_scope()

Вызовы операций/функций внутри области могут возвращать значение до завершения фактического выполнения. При выходе из асинхронной области автоматически добавляется барьер синхронизации для обеспечения завершения всех асинхронных операций и выполнения функций, потенциально вызывая исключения, если асинхронное выполнение приводит к ошибочному состоянию.

Пользователи могут написать следующий код для асинхронного вызова train_step_fn и регистрации метрики loss для каждой num_steps шагов в цикле обучения. train_step_fn внутренне использует данные с помощью iterator.get_next(), и может генерировать исключение OutOfRangeError при отсутствии данных. В этом случае:

try:
  with tf.experimental.async_scope():
    for _ in range(num_steps):
      # Step function updates the metric `loss` internally
      train_step_fn()
except tf.errors.OutOfRangeError:
  tf.experimental.async_clear_error()
logging.info('loss = %s', loss.numpy())