Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Tensorflow :: ClientSession

#include <client_session.h>

Mit einem ClientSession Objekt kann der Aufrufer die Auswertung des mit der C ++ - API erstellten TensorFlow-Diagramms steuern.

Zusammenfassung

Beispiel:

Scope root = Scope::NewRootScope();
auto a = Placeholder(root, DT_INT32);
auto c = Add(root, a, {41});

ClientSession session(root);
std::vector outputs;

Status s = session.Run({ {a, {1}} }, {c}, &outputs);
if (!s.ok()) { ... }  

Konstruktoren und Destruktoren

ClientSession (const Scope & scope, const string & target)
Erstellen Sie eine neue Sitzung, um das im scope enthaltene Diagramm auszuwerten, indem Sie eine Verbindung zur vom target angegebenen TensorFlow-Laufzeit herstellen.
ClientSession (const Scope & scope)
Wie oben, verwenden Sie jedoch die leere Zeichenfolge ("") als Zielspezifikation.
ClientSession (const Scope & scope, const SessionOptions & session_options)
Erstellen Sie eine neue Sitzung und konfigurieren Sie sie mit session_options .
~ClientSession ()

Öffentliche Typen

CallableHandle typedef
int64
Ein Handle für einen Untergraphen, der mit ClientSession::MakeCallable() .
FeedType typedef
std::unordered_map< Output , Input::Initializer , OutputHash >
Ein Datentyp zur Darstellung von Feeds für einen Run-Aufruf.

Öffentliche Funktionen

MakeCallable (const CallableOptions & callable_options, CallableHandle *out_handle)
Erstellt einen handle für die Subgraphen definiert durch Aufrufen callable_options .
ReleaseCallable ( CallableHandle handle)
Gibt Ressourcen frei, die dem angegebenen handle in dieser Sitzung zugeordnet sind.
Run (const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Bewerten Sie die Tensoren in fetch_outputs .
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Wie oben, jedoch die Zuordnung in inputs als Feeds verwenden.
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs) const
Das gleiche wie oben. run_outputs zusätzlich die Operationen in run_outputs .
Run (const RunOptions & run_options, const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs, RunMetadata *run_metadata) const
Verwenden Sie run_options , um die Leistungsprofilerstellung zu run_options .
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata)
Ruft den nach handle benannten Untergraphen mit den angegebenen Optionen und Eingabetensoren auf.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata, const thread::ThreadPoolOptions & options)
Ruft den nach handle benannten Untergraphen mit den angegebenen Optionen und Eingabetensoren auf.

Öffentliche Typen

CallableHandle

int64 CallableHandle

Ein Handle für einen Untergraphen, der mit ClientSession::MakeCallable() .

FeedType

std::unordered_map< Output, Input::Initializer, OutputHash > FeedType

Ein Datentyp zur Darstellung von Feeds für einen Run-Aufruf.

Dies ist eine Zuordnung von Output , die von Operationskonstruktoren an den Wert zurückgegeben werden, mit dem sie gespeist werden sollen. Weitere Informationen darüber, was als Feed-Werte verwendet werden kann, finden Sie unter Input::Initializer .

Öffentliche Funktionen

ClientSession

 ClientSession(
  const Scope & scope,
  const string & target
)

Erstellen Sie eine neue Sitzung, um das im scope enthaltene Diagramm auszuwerten, indem Sie eine Verbindung zur vom target angegebenen TensorFlow-Laufzeit herstellen.

ClientSession

 ClientSession(
  const Scope & scope
)

Wie oben, verwenden Sie jedoch die leere Zeichenfolge ("") als Zielspezifikation.

ClientSession

 ClientSession(
  const Scope & scope,
  const SessionOptions & session_options
)

Erstellen Sie eine neue Sitzung und konfigurieren Sie sie mit session_options .

MakeCallable

Status MakeCallable(
  const CallableOptions & callable_options,
  CallableHandle *out_handle
)

Erstellt einen handle für die Subgraphen definiert durch Aufrufen callable_options .

HINWEIS: Diese API ist noch experimentell und kann sich ändern.

ReleaseCallable

Status ReleaseCallable(
  CallableHandle handle
)

Gibt Ressourcen frei, die dem angegebenen handle in dieser Sitzung zugeordnet sind.

HINWEIS: Diese API ist noch experimentell und kann sich ändern.

Lauf

Status Run(
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const 

Bewerten Sie die Tensoren in fetch_outputs .

Die Werte werden in outputs als Tensor Objekte zurückgegeben. Die Anzahl und Reihenfolge der outputs fetch_outputs mit fetch_outputs .

Lauf

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const 

Wie oben, jedoch die Zuordnung in inputs als Feeds verwenden.

Lauf

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs
) const 

Das gleiche wie oben. run_outputs zusätzlich die Operationen in run_outputs .

Lauf

Status Run(
  const RunOptions & run_options,
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs,
  RunMetadata *run_metadata
) const 

Verwenden Sie run_options , um die Leistungsprofilerstellung zu run_options .

Wenn nicht null, wird run_metadata mit den Profilerstellungsergebnissen ausgefüllt.

RunCallable

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata
)

Ruft den nach handle benannten Untergraphen mit den angegebenen Optionen und Eingabetensoren auf.

Die Reihenfolge der Tensoren in feed_tensors muss mit der Reihenfolge der Namen in CallableOptions::feed() und die Reihenfolge der Tensoren in fetch_tensors muss mit der Reihenfolge der Namen in CallableOptions::fetch() als dieser Untergraph erstellt wurde. HINWEIS: Diese API ist noch experimentell und kann sich ändern.

RunCallable

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata,
  const thread::ThreadPoolOptions & options
)

Ruft den nach handle benannten Untergraphen mit den angegebenen Optionen und Eingabetensoren auf.

Die Reihenfolge der Tensoren in feed_tensors muss mit der Reihenfolge der Namen in CallableOptions::feed() und die Reihenfolge der Tensoren in fetch_tensors muss mit der Reihenfolge der Namen in CallableOptions::fetch() als dieser Untergraph erstellt wurde. HINWEIS: Diese API ist noch experimentell und kann sich ändern.

~ ClientSession

 ~ClientSession()