Управляет очисткой ресурсов TensorFlow, когда они больше не нужны.
Все ресурсы , выделенные в ходе EagerSession удаляется , когда сессия закрыта. Чтобы предотвратить ошибки нехватки памяти, также настоятельно рекомендуется очищать эти ресурсы во время сеанса. Например, выполнение n операций в цикле из m итераций будет выделять минимум n * m ресурсов, в то время как в большинстве случаев по-прежнему используются только ресурсы последней итерации.
EagerSession случаи не могут быть уведомлены по - разному , когда объекты TensorFlow уже не идет речь, так что они могут приступить к очистке любых ресурсов они владели.
Унаследованные методы
Значения перечисления
общественности статической окончательный EagerSession.ResourceCleanupStrategy IN_BACKGROUND
Отслеживайте и удаляйте неиспользуемые ресурсы из нового потока, работающего в фоновом режиме.
Это наиболее надежный подход к очистке ресурсов TensorFlow за счет запуска и выполнения дополнительного потока, выделенного для этой задачи. Каждый EagerSession экземпляр имеет свой собственный поток, который останавливается только тогда , когда сессия закрыта.
Эта стратегия используется по умолчанию.
общественности статической окончательный EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS
Отслеживайте и удаляйте неиспользуемые ресурсы из существующих потоков до или после выполнения другой задачи.
Неиспользуемые ресурсы освобождаются, когда вызов библиотеки TensorFlow достигает безопасной точки для очистки. Это делается синхронно и может на короткий период времени заблокировать поток, инициировавший этот вызов.
Эту стратегию следует использовать только в том случае, если по каким-либо причинам не следует выделять дополнительный поток для очистки. В противном случае, IN_BACKGROUND следует предпочесть.
общественности статической окончательный EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE
Удаляйте ресурсы только после закрытия сеанса.
Все ресурсы, выделенные во время сеанса, будут оставаться в памяти до тех пор, пока сеанс не будет явно закрыт (или с помощью традиционной техники `try-with-resource`). Никаких дополнительных задач по очистке ресурсов предприниматься не будет.
Эта стратегия может привести к ошибкам нехватки памяти, и ее использование не рекомендуется, если только объем сеанса не ограничен выполнением лишь небольшого количества операций.