Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

przepływ tensorowy:: Sesja klienta

#include <client_session.h>

Obiekt ClientSession pozwala wywołującemu sterować oceną grafu TensorFlow skonstruowanego za pomocą interfejsu API C++.

Streszczenie

Przykład:

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()) { ... }  

Konstruktory i destruktory

ClientSession (const Scope & scope, const string & target)
Utwórz nową sesję, aby ocenić wykres zawarty w scope , łącząc się ze środowiskiem wykonawczym TensorFlow określonym przez target .
ClientSession (const Scope & scope)
Tak samo jak powyżej, ale użyj pustego ciągu ("") jako specyfikacji docelowej.
ClientSession (const Scope & scope, const SessionOptions & session_options)
Utwórz nową sesję, konfigurując ją za pomocą session_options .
~ClientSession ()

Typy publiczne

CallableHandle typedef
int64
Uchwyt do podwykresu utworzony za pomocą ClientSession::MakeCallable() .
FeedType typedef
std::unordered_map< Output , Input::Initializer , OutputHash >
Typ danych reprezentujący źródła danych do wywołania Uruchom.

Funkcje publiczne

MakeCallable (const CallableOptions & callable_options, CallableHandle *out_handle)
Tworzy handle do wywoływania podgrafu zdefiniowanego przez callable_options .
ReleaseCallable ( CallableHandle handle)
Zwalnia zasoby skojarzone z danym handle w tej sesji.
Run (const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Oceń tensory w fetch_outputs .
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Tak samo jak powyżej, ale użyj mapowania inputs jako kanałów.
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs) const
Jak powyżej. Dodatkowo uruchamia operacje ins 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
Użyj run_options , aby włączyć profilowanie wydajności.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata)
Wywołuje podgraf nazwany przez handle z podanymi opcjami i tensorami wejściowymi.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata, const thread::ThreadPoolOptions & options)
Wywołuje podgraf nazwany przez handle z podanymi opcjami i tensorami wejściowymi.

Typy publiczne

CallableHandle

int64 CallableHandle

Uchwyt do podwykresu utworzony za pomocą ClientSession::MakeCallable() .

Typ kanału

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

Typ danych reprezentujący źródła danych do wywołania Uruchom.

Jest to mapa obiektów Output zwracanych przez konstruktory op do wartości, którą mają je zasilać. Zobacz Input::Initializer , aby uzyskać szczegółowe informacje na temat tego, co może być używane jako wartości kanału.

Funkcje publiczne

Sesja klienta

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

Utwórz nową sesję, aby ocenić wykres zawarty w scope , łącząc się ze środowiskiem wykonawczym TensorFlow określonym przez target .

Sesja klienta

 ClientSession(
  const Scope & scope
)

Tak samo jak powyżej, ale użyj pustego ciągu ("") jako specyfikacji docelowej.

Sesja klienta

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

Utwórz nową sesję, konfigurując ją za pomocą session_options .

Możliwość połączenia

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

Tworzy handle do wywoływania podgrafu zdefiniowanego przez callable_options .

UWAGA: Ten interfejs API jest nadal eksperymentalny i może ulec zmianie.

Można zadzwonić

Status ReleaseCallable(
  CallableHandle handle
)

Zwalnia zasoby skojarzone z danym handle w tej sesji.

UWAGA: Ten interfejs API jest nadal eksperymentalny i może ulec zmianie.

Biegać

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

Oceń tensory w fetch_outputs .

Wartości są zwracane jako obiekty Tensor w danych outputs . Liczba i kolejność outputs będzie odpowiadać fetch_outputs .

Biegać

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

Tak samo jak powyżej, ale użyj mapowania inputs jako kanałów.

Biegać

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

Jak powyżej. Dodatkowo uruchamia operacje ins run_outputs .

Biegać

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 

Użyj run_options , aby włączyć profilowanie wydajności.

run_metadata , jeśli nie jest null, jest wypełniany wynikami profilowania.

RunCallable

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

Wywołuje podgraf nazwany przez handle z podanymi opcjami i tensorami wejściowymi.

Kolejność tensorów w feed_tensors musi odpowiadać kolejności nazw w CallableOptions::feed() , a kolejność tensorów w fetch_tensors będzie odpowiadać kolejności nazw w CallableOptions::fetch() w momencie tworzenia tego podwykresu. UWAGA: Ten interfejs API jest nadal eksperymentalny i może ulec zmianie.

RunCallable

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

Wywołuje podgraf nazwany przez handle z podanymi opcjami i tensorami wejściowymi.

Kolejność tensorów w feed_tensors musi odpowiadać kolejności nazw w CallableOptions::feed() , a kolejność tensorów w fetch_tensors będzie odpowiadać kolejności nazw w CallableOptions::fetch() w momencie tworzenia tego podwykresu. UWAGA: Ten interfejs API jest nadal eksperymentalny i może ulec zmianie.

~Sesja klienta

 ~ClientSession()