Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tf.compat.v1.py_func

Lihat sumber di GitHub

Membungkus fungsi python dan menggunakan itu sebagai op TensorFlow.

Digunakan di notebook

Digunakan dalam tutorial

Mengingat fungsi python func , yang mengambil array numpy sebagai argumen dan pengembalian NumPy array sebagai output-nya, bungkus fungsi ini sebagai operasi dalam grafik TensorFlow. Potongan berikut membangun grafik TensorFlow sederhana yang memanggil np.sinh() NumPy fungsi sebagai operasi dalam grafik:

 def my_func(x):
  # x will be a numpy array with the contents of the placeholder below
  return np.sinh(x)
input = tf.compat.v1.placeholder(tf.float32)
y = tf.compat.v1.py_func(my_func, [input], tf.float32)
 
  • Tubuh fungsi (yaitu func ) tidak akan serial dalam GraphDef . Oleh karena itu, Anda tidak harus menggunakan fungsi ini jika Anda perlu untuk cerita bersambung model Anda dan mengembalikannya dalam lingkungan yang berbeda.

  • Operasi harus berjalan di ruang alamat yang sama dengan program Python bahwa panggilan tf.compat.v1.py_func() . Jika Anda menggunakan didistribusikan TensorFlow, Anda harus menjalankan tf.distribute.Server dalam proses yang sama seperti program yang panggilan tf.compat.v1.py_func() dan Anda harus pin operasi dibuat untuk perangkat di server yang (misalnya menggunakan with tf.device(): ).

func Fungsi A Python, yang menerima ndarray objek sebagai argumen dan mengembalikan daftar ndarray objek (atau satu ndarray ). Fungsi ini harus menerima sebanyak argumen karena ada tensor inp , dan jenis argumen ini akan cocok sesuai tf.Tensor objek di inp . Pengembalian ndarray s harus sesuai dengan jumlah dan jenis didefinisikan Tout . Catatan Penting: Input dan output numpy ndarray s dari func tidak dijamin akan eksemplar. Dalam beberapa kasus memori yang mendasari mereka akan dibagi dengan tensor TensorFlow yang sesuai. Di tempat modifikasi atau menyimpan func masukan atau kembali nilai-nilai di datastructures python tanpa eksplisit (np.) Copy dapat memiliki konsekuensi non-deterministik.
inp Daftar Tensor objek.
Tout Daftar atau tuple dari tipe data tensorflow atau jenis tensorflow data tunggal jika hanya ada satu, menunjukkan apa yang func kembali.
stateful (Boolean.) Jika Benar, fungsi harus dipertimbangkan stateful. Jika fungsi adalah stateless, ketika diberi input yang sama akan kembali output yang sama dan tidak memiliki efek samping diamati. Optimasi seperti penghapusan subexpression umum hanya dilakukan pada operasi stateless.
name Sebuah nama untuk operasi (opsional).

Daftar Tensor atau satu Tensor yang func Toedjoe menghitung.