此页面由 Cloud Translation API 翻译。
Switch to English

模块:tf.compat.v1.flags.tf_decorator

GitHub上查看源代码

基地TFDecorator类和实用功能与装饰工作。

有两种方法来创建TensorFlow可以自省装饰。这是生成文档的目的很重要,让函数签名不被(* ARGS,** kwds)签名的装饰往往掩盖提供。

  1. 呼叫tf_decorator.make_decorator你的包装函数。如果你的装饰是无状态的,或者可以捕获所有通过它关闭的词汇需要工作与变数,这是最简单的选择。创建包装函数像往常一样,但没有返回它,回报tf_decorator.make_decorator(target, your_wrapper)这会附加一些装饰内省元数据到您的包装,并将其返回。

例:

高清print_hello_before_calling(目标):DEF包装(* ARGS,* kwargs):打印( '你好')将目标(参数,** kwargs)返回tf_decorator.make_decorator(目标,包装纸)

  1. 从TFDecorator派生。如果你的装饰需要是有状态的,你可以在一个TFDecorator方面实现它。存储任何状态,你在你的派生类的需要,并实现了__call__打电话到你的目标之前的方法做你的工作。您可以通过获取目标super(MyDecoratorClass, self).decorated_target ,并与它的一切需求的参数调用它。

例:

类CallCounter(tf_decorator.TFDecorator):高清初始化 (个体经营,目标):超(CallCounter,个体经营)。 初始化 ( 'count_calls',目标)self.call_count = 0

高清通话 (个体经营,*指定参数时,* kwargs):self.call_count + = 1返回超(CallCounter,个体经营).decorated_target(参数,** kwargs)

高清count_calls(目标):返回CallCounter(目标)

模块

tf_stack模块:用于提取和分析堆栈功能。更快的比Python库。

class TFDecorator :所有TensorFlow装饰基类。

功能

make_decorator(...)从包装和目标做一个装饰。

rewrap(...)注入新的目标成make_decorator内置的功能。

unwrap(...)解开一个对象到TFDecorators名单和最终目标。