tf.saved_model.experimental.TrackableResource

Содержит тензор, который может быть захвачен tf.function.

tf.saved_model.experimental.TrackableResource(
    device=''
)

TrackableResource наиболее полезен для состоятельных тензоров, требующих инициализации, таких как tf.lookup.StaticHashTable. TrackableResource обнаруживаются путем обхода графа атрибутов объекта, например, во время tf.saved_model.save.

У TrackableResource есть три метода для переопределения:

• _create_resource должен создать дескриптор тензора ресурса.
• _initialize должен инициализировать ресурс, содержащийся в self.resource_handle.
• _destroy_resource вызывается при уничтожении TrackableResource и должен уменьшить счетчик ссылок ресурса. Для большинства ресурсов это должно выполняться с вызовом tf.raw_ops.DestroyResourceOp.

Пример использования:

class DemoResource(tf.saved_model.experimental.TrackableResource):
  def __init__(self):
    super().__init__()
    self._initialize()
  def _create_resource(self):
    return tf.raw_ops.VarHandleOp(dtype=tf.float32, shape=[2])
  def _initialize(self):
    tf.raw_ops.AssignVariableOp(
        resource=self.resource_handle, value=tf.ones([2]))
  def _destroy_resource(self):
    tf.raw_ops.DestroyResourceOp(resource=self.resource_handle)
class DemoModule(tf.Module):
  def __init__(self):
    self.resource = DemoResource()
  def increment(self, tensor):
    return tensor + tf.raw_ops.ReadVariableOp(
        resource=self.resource.resource_handle, dtype=tf.float32)
demo = DemoModule()
demo.increment([5, 1])
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([6., 2.], dtype=float32)>