tf.saved_model.SaveOptions
Параметры сохранения в SavedModel.
tf.saved_model.SaveOptions(
namespace_whitelist=None,
save_debug_info=False,
function_aliases=None,
experimental_io_device=None,
experimental_variable_policy=None,
experimental_custom_gradients=True
)
Эта функция может использоваться в аргументе options в функциях, сохраняющих SavedModel (tf.saved_model.save, tf.keras.models.save_model).
| Аргументы | |
|---|---|
namespace_whitelist | Список строк, содержащих имена пространств имён операторов, которые нужно включить в белый список при сохранении модели. При сохранении объекта, использующего имена пространств имён операторов, необходимо явно добавить все пространства имён в белый список. Пространства имён операторов должны быть зарегистрированы в фреймворке при загрузке SavedModel. Если белый список не предоставлен, все пространства имён операторов будут разрешены. |
save_debug_info | Булево значение, указывающее, сохраняется ли отладочная информация. Если True, то файл debug/saved_model_debug_info.pb будет записан с содержимым двоичного протокольного буфера GraphDebugInfo, содержащего информацию об отладке стека для всех операторов и функций, которые сохраняются. |
function_aliases | Python-словарь. Сопоставление строки с объектом, возвращённым @tf.function. Одна tf.function может сгенерировать много ConcreteFunctions. Если инструмент на более поздних этапах хочет сослаться на все конкретные функции, сгенерированные одной tf.function, вы можете использовать аргумент function_aliases для хранения отображения от псевдонима имени до всех имён конкретных функций. Например:
class Adder(tf.Module):
@tf.function
def double(self, x):
return x + x
model = Adder() model.double.get_concrete_function( tf.TensorSpec(shape=[], dtype=tf.float32, name="float_input")) model.double.get_concrete_function( tf.TensorSpec(shape=[], dtype=tf.string, name="string_input"))
options = tf.saved_model.SaveOptions(
function_aliases={'double': model.double})
tf.saved_model.save(model, '/tmp/adder', options=options)
|
experimental_io_device | Строка. Применяется в распределённой среде. Устройство TensorFlow, которое нужно использовать для доступа к файловой системе. Если None (по умолчанию), то для каждой переменной доступ к файловой системе осуществляется с устройства CPU:0 хоста, где эта переменная назначена. Если указано, доступ к файловой системе вместо этого осуществляется с этого устройства для всех переменных. Это, например, полезно, если вы хотите сохранить в локальный каталог, такой как "/tmp", при работе в распределённой среде. В этом случае передайте устройство для хоста, на котором доступен каталог "/tmp". |
experimental_variable_policy | Политика, применяемая к переменным при сохранении. Это либо экземпляр перечисления saved_model.experimental.VariablePolicy, либо одна из его строковых значений (регистр не важен). Подробности см. в документации по этому перечислению. Значение None соответствует политике по умолчанию. |
experimental_custom_gradients | Булево значение. Если True, будут сохранены прослеженные градиентные функции для функций, помеченных декоратором tf.custom_gradient. По умолчанию True. |
| Атрибуты | |
|---|---|
experimental_custom_gradients | |
experimental_io_device | |
experimental_variable_policy | |
function_aliases | |
namespace_whitelist | |
save_debug_info | |
© 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/saved_model/SaveOptions
