이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Session.Runner

공개 최종 수업 Session.Runner

실행 Operation 의 및 평가 Tensors .

Runner는 페치 할 Tensors 를 평가하는 데 필요한 모든 Operation 을 실행하기 위해 필요한 그래프 조각을 실행합니다. feed(String, int, Tensor) 호출을 사용하면 호출자가 feed(String, int, Tensor) 제공된 작업의 출력을 제공된 Tensors 로 대체하여 그래프의 Tensors 값을 재정의 할 수 있습니다.

공개 생성자

러너 ()

공개 방법

Session.Runner	addTarget (문자열 연산) 만들기 `run()` 실행 `operation` 하지만, 어떤 평가를 반환하지 `Tensors` .
Session.Runner	addTarget ( 피연산자 <?> 피연산자) `run()` `operand` 실행하지만 평가 된 `Tensors` 반환하지 않습니다.
Session.Runner	addTarget ( 오퍼레이션 오퍼레이션) `run()` `operation` 실행하지만 평가 된 `Tensors` 반환하지 않습니다.
Session.Runner	피드 ( 오퍼랜드 <?> 피연산자 텐서 <?> t) `operand` 참조하는 연산을 실행하여 참조하는 Tensor 대신 `t` 를 사용하십시오.
Session.Runner	피드 (문자열 연산, Tensor <?> t) `operation` 평가하지 말고 `t` 를 생성하는 값으로 대체하십시오.
Session.Runner	피드 (문자열 연산, 정수 인덱스, 텐서 <?> t) `t` 를 생성하는 값으로 대체하여 `index` 번째 `operation` 출력을 평가하지 마십시오.
Session.Runner	fetch (문자열 연산) `run()` 이 `operation` 의 출력을 반환하도록 `operation` .
Session.Runner	fetch (문자열 연산, 정수 인덱스) `run()` 은 `operation` 의 `index` 번째 출력을 반환합니다.
Session.Runner	fetch ( 피연산자 <?> 피연산자) `run()` 은 `operand` 의 출력이 참조하는 Tensor를 반환하도록합니다.
Session.Runner	페치 ( 출력 <?> 출력) `run()` 은 `output` 참조하는 Tensor를 반환합니다.
목록 < Tensor <? >>	실행 () 요청 된 모든 가져 오기를 계산하는 데 필요한 그래프 조각을 실행합니다.
Session.Run	runAndFetchMetadata () 그래프 조각을 실행하여 요청 된 가져 오기를 계산하고 실행에 대한 메타 데이터를 반환합니다.
Session.Runner	setOptions (byte [] 옵션) (실험 방법) :이 실행에 대한 옵션 (일반적으로 디버깅 용)을 설정합니다.

상속 된 메서드

클래스 java.lang.Object에서

부울	같음 (객체 arg0)
최종 수업 <?>	getClass ()
int	hashCode ()
마지막 무효	알림 ()
마지막 무효	notifyAll ()
끈	toString ()
마지막 무효	대기 (긴 arg0, int arg1)
마지막 무효	기다립니다 (긴 arg0)
마지막 무효	기다려 ()

공개 생성자

퍼블릭 러너 ()

공개 방법

public Session.Runner addTarget (문자열 연산)

run() operation 실행하지만 평가 된 Tensors 반환하지 않습니다.

public Session.Runner addTarget ( 피연산자 <?> 피연산자)

run() operand 실행하지만 평가 된 Tensors 반환하지 않습니다.

public Session.Runner addTarget ( 작업 작업)

run() operation 실행하지만 평가 된 Tensors 반환하지 않습니다.

던짐

IllegalArgumentException	작업이 `GraphOperation` 이 아닌 경우

공개 Session.Runner 피드 ( 피연산자 <?> 피연산자, Tensor <?> t)

operand 참조하는 연산을 실행하여 참조하는 Tensor 대신 t 를 사용하십시오.

공개 Session.Runner 피드 (문자열 작업, Tensor <?> t)

operation 평가하지 말고 t 를 생성하는 값으로 대체하십시오.

매개 변수

조작	작업의 문자열 이름 (이 경우이 메서드는 `feed(operation, 0)` 의 축약 형 `feed(operation, 0)` 이거나 `operation_name : output_index` 형식의 문자열입니다.이 경우이 메서드는 `feed(operation_name, output_index)` 처럼 `feed(operation_name, output_index)` . 이러한 콜론으로 구분 된 이름은 `metaGraphDef()` 포함 된 `SignatureDef` 프로토콜 버퍼 메시지에서 일반적으로 사용됩니다.

공개 Session.Runner 피드 (문자열 작업, 정수 인덱스, Tensor <?> t)

t 를 생성하는 값으로 대체하여 index 번째 operation 출력을 평가하지 마십시오.

Graph 연산은 여러 출력을 가질 수 있으며 index 는 어떤 t 가 제공되는지 식별합니다.

공개 Session.Runner 가져 오기 (문자열 작업)

run() 이 operation 의 출력을 반환하도록 operation .

매개 변수

조작	작업의 문자열 이름 (이 경우이 메서드는 `fetch(operation, 0)` 의 축약 형 `fetch(operation, 0)` 이거나, `operation_name : output_index` 형식의 문자열이며,이 경우이 메서드는 `fetch(operation_name, output_index)` 처럼 `fetch(operation_name, output_index)` . 이러한 콜론으로 구분 된 이름은 `metaGraphDef()` 포함 된 `SignatureDef` 프로토콜 버퍼 메시지에서 일반적으로 사용됩니다.

public Session.Runner fetch (문자열 연산, 정수 인덱스)

run() 은 operation 의 index 번째 출력을 반환합니다.

Graph 연산은 여러 출력을 가질 수 있으며 index 은 반환 할 출력을 식별합니다.

공개 Session.Runner은 페치 ( 오퍼랜드 <?> 피연산자)

run() 은 operand 의 출력이 참조하는 Tensor를 반환하도록합니다.

public Session.Runner fetch ( 출력 <?> 출력)

run() 은 output 참조하는 Tensor를 반환합니다.

공개 목록 < Tensor <? >> run ()

요청 된 모든 가져 오기를 계산하는 데 필요한 그래프 조각을 실행합니다.

경고 : 호출자는 반환 된 모든 Tensors 소유권을 가정합니다. 즉, 호출자는 반환 된 목록의 모든 요소에서 close() 를 호출하여 리소스를 확보해야합니다.

TODO (ashankar) : 여기서 반환 유형을 재고합니다. 특히 두 가지 사항 : (a) 호출자가 정리하기 쉽게 (아마도 SessionTest.java에서 AutoCloseableList와 같은 것을 반환), (b) 반환 값이 목록인지 아니면 Map<Output, Tensor> 인지 평가합니다. Map<Output, Tensor> ?

TODO (andrewmyers) : 여기에 반환되는 것이 무엇이든 형식이 안전한 방식으로 출력 텐서를 쉽게 추출 할 수 있다면 좋을 것입니다.

public Session.Run runAndFetchMetadata ()

그래프 조각을 실행하여 요청 된 가져 오기를 계산하고 실행에 대한 메타 데이터를 반환합니다.

이것은 run() 과 똑같지 만 요청 된 Tensor 외에도 직렬화 된 RunMetadata 프로토콜 버퍼 의 형태로 그래프 실행에 대한 메타 데이터를 반환합니다.

public Session.Runner setOptions (byte [] 옵션)

(실험 방법) :이 실행에 대한 옵션 (일반적으로 디버깅 용)을 설정합니다.

옵션은 직렬화 된 RunOptions 프로토콜 버퍼로 제공 됩니다.

org.tensorflow 패키지 (같은 곳 제한된 시스템 자원에 친화적 유지하기 위해 모든 프로토콜 버퍼 종속성이없는 nanoproto이 더 적합 할 수있다). 그 비용은이 API 함수의 유형 안전성 부족입니다. 이 선택은 검토 중이며이 함수는 언제든지보다 형식에 안전한 등가물로 대체 될 수 있습니다.