Cette page a été traduite par l'API Cloud Translation.
Switch to English

tensorflow :: ClientSession

#include <client_session.h>

Un ClientSession objet permet l'entraînement de l' appelant de l'évaluation du graphe de tensorflow construit avec l'API C ++.

Résumé

Exemple:

Scope root = Scope::NewRootScope();
auto a = Placeholder(root, DT_INT32);
auto c = Add(root, a, {41});

ClientSession session(root);
std::vector outputs;

Status s = session.Run({ {a, {1} } }, {c}, &outputs);
if (!s.ok()) { ... }  

Constructeurs et Destructeurs

ClientSession (const Scope & scope, const string & target)
Créer une nouvelle session pour évaluer le graphique contenu dans la scope en se connectant à l'exécution tensorflow spécifié par la target .
ClientSession (const Scope & scope)
Comme ci-dessus, mais utiliser la chaîne vide ( « ») comme la spécification cible.
ClientSession (const Scope & scope, const SessionOptions & session_options)
Créer une nouvelle session, la configuration avec session_options .
~ClientSession ()

types publics

CallableHandle typedef
int64
Une poignée à un sous - graphe, créé avec ClientSession::MakeCallable() .
FeedType typedef
std::unordered_map< Output , Input::Initializer , OutputHash >
Un type de données pour représenter les flux à un appel Exécuter.

Les fonctions publiques

MakeCallable (const CallableOptions & callable_options, CallableHandle *out_handle)
Status
Crée une handle pour invoquer le sous - graphe défini par callable_options .
ReleaseCallable ( CallableHandle handle)
Status
Libère les ressources associées à la donnée handle dans cette session.
Run (const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Status
Évaluer les tenseurs dans fetch_outputs .
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Status
Comme ci - dessus, mais utiliser la cartographie en inputs comme les aliments.
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs) const
Status
Comme ci-dessus. De plus court des opérations run_outputs .
Run (const RunOptions & run_options, const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs, RunMetadata *run_metadata) const
Status
Utilisez run_options pour activer le profilage des performances.
Run (const RunOptions & run_options, const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs, RunMetadata *run_metadata, const thread::ThreadPoolOptions & threadpool_options) const
Status
Comme ci-dessus.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata)
Status
Invoque le sous - graphe nommé par handle avec les options disponibles et tenseurs d'entrée.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata, const thread::ThreadPoolOptions & options)
Status
Invoque le sous - graphe nommé par handle avec les options disponibles et tenseurs d'entrée.

types publics

CallableHandle

int64 CallableHandle

Une poignée à un sous - graphe, créé avec ClientSession::MakeCallable() .

FEEDTYPE

std::unordered_map< Output , Input::Initializer , OutputHash > FeedType

Un type de données pour représenter les flux à un appel Exécuter.

Voici une carte de Output des objets retournés par op-constructeurs à la valeur pour les nourrir avec. Voir Input::Initializer pour plus de détails sur ce qui peut être utilisé comme valeurs d'alimentation.

Les fonctions publiques

ClientSession

 ClientSession(
  const Scope & scope,
  const string & target
)

Créer une nouvelle session pour évaluer le graphique contenu dans la scope en se connectant à l'exécution tensorflow spécifié par la target .

ClientSession

 ClientSession(
  const Scope & scope
)

Comme ci-dessus, mais utiliser la chaîne vide ( « ») comme la spécification cible.

ClientSession

 ClientSession(
  const Scope & scope,
  const SessionOptions & session_options
)

Créer une nouvelle session, la configuration avec session_options .

MakeCallable

Status MakeCallable(
  const CallableOptions & callable_options,
  CallableHandle *out_handle
)

Crée une handle pour invoquer le sous - graphe défini par callable_options .

REMARQUE: Cette API est encore au stade expérimental et peut changer.

ReleaseCallable

Status ReleaseCallable(
  CallableHandle handle
)

Libère les ressources associées à la donnée handle dans cette session.

REMARQUE: Cette API est encore au stade expérimental et peut changer.

Courir

Status Run(
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const 

Évaluer les tenseurs dans fetch_outputs .

Les valeurs sont retournées sous forme Tensor objets en outputs . Le nombre et l' ordre des outputs correspondront fetch_outputs .

Courir

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const 

Comme ci - dessus, mais utiliser la cartographie en inputs comme les aliments.

Courir

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs
) const 

Comme ci-dessus. De plus court des opérations run_outputs .

Courir

Status Run(
  const RunOptions & run_options,
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs,
  RunMetadata *run_metadata
) const 

Utilisez run_options pour activer le profilage des performances.

run_metadata , sinon nulle, est rempli avec les résultats de profilage.

Courir

Status Run(
  const RunOptions & run_options,
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs,
  RunMetadata *run_metadata,
  const thread::ThreadPoolOptions & threadpool_options
) const 

Comme ci-dessus.

permet en outre utilisateur de fournir la mise en œuvre de threadpool personnalisé via ThreadPoolOptions.

RunCallable

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata
)

Invoque le sous - graphe nommé par handle avec les options disponibles et tenseurs d'entrée.

L'ordre de tenseurs en feed_tensors doit correspondre à l'ordre des noms dans CallableOptions::feed() et l'ordre des tenseurs en fetch_tensors correspondra l'ordre des noms dans CallableOptions::fetch() lorsque cette sous - graphe a été créé. REMARQUE: Cette API est encore au stade expérimental et peut changer.

RunCallable

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata,
  const thread::ThreadPoolOptions & options
)

Invoque le sous - graphe nommé par handle avec les options disponibles et tenseurs d'entrée.

L'ordre de tenseurs en feed_tensors doit correspondre à l'ordre des noms dans CallableOptions::feed() et l'ordre des tenseurs en fetch_tensors correspondra l'ordre des noms dans CallableOptions::fetch() lorsque cette sous - graphe a été créé. REMARQUE: Cette API est encore au stade expérimental et peut changer.

~ ClientSession

 ~ClientSession()