Esta página foi traduzida pela API Cloud Translation.
Switch to English

tf.nondifferentiable_batch_function

Versão TensorFlow 1 Ver fonte no GitHub

Faz um lote do cálculo feito pela função decorada.

Então, por exemplo, no código a seguir

 @batch_function(1, 2, 3)
def layer(a):
  return tf.matmul(a, a)

b = layer(w)
 

se mais de uma chamada session.run estiver tentando calcular b os valores de w serão coletados, concatenados de forma não determinística ao longo do primeiro eixo e apenas um encadeamento executará o cálculo. Consulte a documentação da Batch em Batch para obter mais detalhes.

Assume que todos os argumentos da função decorada são tensores que serão agrupados ao longo de sua primeira dimensão.

SparseTensor não é suportado. O valor de retorno da função decorada deve ser um tensor ou uma lista / tupla de tensores.

num_batch_threads Número de encadeamentos de agendamento para processar lotes de trabalho. Determina o número de lotes processados ​​em paralelo.
max_batch_size Os tamanhos dos lotes nunca serão maiores que isso.
batch_timeout_micros Número máximo de microssegundos para aguardar antes da saída de um lote incompleto.
allowed_batch_sizes Lista opcional de tamanhos de lote permitidos. Se deixado vazio, não faz nada. Caso contrário, fornece uma lista de tamanhos de lote, fazendo com que a operação encha lotes até um desses tamanhos. As entradas devem aumentar monotonicamente e a entrada final deve ser igual a max_batch_size.
max_enqueued_batches A profundidade máxima da fila de lotes. O padrão é 10.
autograph Se deve usar o autógrafo para compilar código de estilo python e ansioso para uma execução eficiente no modo gráfico.

A função decorada retornará os tensores de saída de computação não corrigidos.