نحوه پاکسازی منابع TensorFlow را در زمانی که دیگر مورد نیاز نیستند، کنترل می کند.
همه منابع اختصاص داده شده در طول یک EagerSession حذف زمانی که جلسه بسته شده است. برای جلوگیری از خطاهای خارج از حافظه، اکیداً توصیه می شود که این منابع را در طول جلسه پاکسازی کنید. به عنوان مثال، اجرای n عملیات در حلقه ای از m تکرار، حداقل n*m منابع را تخصیص می دهد، در حالی که در بیشتر موارد، فقط منابع آخرین تکرار هنوز در حال استفاده هستند.
EagerSession موارد می توان به روش های مختلف اطلاع هنگامی که اشیاء TensorFlow دیگر که اشاره شد، به طوری که آنها می توانید به پاکسازی از هر گونه منابع آنها متعلق به ادامه دهید.
روش های ارثی
مقادیر Enum
عمومی استاتیک نهایی EagerSession.ResourceCleanupStrategy IN_BACKGROUND
منابع بلااستفاده را از یک رشته جدید که در پس‌زمینه اجرا می‌شود، نظارت و حذف کنید.
این قابل اعتمادترین رویکرد برای پاکسازی منابع TensorFlow است که به قیمت شروع و اجرای یک رشته اضافی اختصاص داده شده به این کار است. هر EagerSession به عنوان مثال تا موضوع خود را دارد، که تنها متوقف شد زمانی که جلسه بسته شده است.
این استراتژی به صورت پیش فرض استفاده می شود.
عمومی استاتیک نهایی EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS
منابع بلااستفاده را از موضوعات موجود، قبل یا بعد از اتمام کار دیگری، نظارت و حذف کنید.
هنگامی که تماس با کتابخانه TensorFlow به یک نقطه امن برای پاکسازی می رسد، منابع استفاده نشده آزاد می شوند. این به طور همزمان انجام می شود و ممکن است برای مدت کوتاهی رشته ای را که آن تماس را راه اندازی کرده است مسدود کند.
این استراتژی فقط در صورتی باید مورد استفاده قرار گیرد که بنا به دلایلی، نخ اضافی برای پاکسازی اختصاص داده نشود. در غیر این صورت، IN_BACKGROUND باید ترجیح داده.
عمومی استاتیک نهایی EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE
فقط زمانی که جلسه بسته است منابع را حذف کنید.
تمام منابع تخصیص داده شده در طول جلسه تا زمانی که جلسه به طور صریح بسته نشود (یا از طریق تکنیک سنتی «تلاش با منبع») در حافظه باقی خواهند ماند. هیچ کار اضافی برای پاکسازی منابع انجام نخواهد شد.
این استراتژی می تواند منجر به خطاهای خارج از حافظه شود و استفاده از آن توصیه نمی شود، مگر اینکه دامنه جلسه محدود به اجرای مقدار کمی از عملیات باشد.