tensorflow:: ClientSession

#include <client_session.h>

אובייקט ClientSession מאפשר לקורא להניע את ההערכה של גרף TensorFlow שנבנה באמצעות ממשק ה-API של C++.

תַקצִיר

דוּגמָה:

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()) { ... }

בנאים והורסים

ClientSession (const Scope & scope, const string & target)
צור סשן חדש כדי להעריך את הגרף הכלול ב- scope על ידי התחברות לזמן הריצה של TensorFlow שצוין על ידי target .
ClientSession (const Scope & scope)
כמו לעיל, אבל השתמש במחרוזת ריקה ("") כמפרט היעד.
ClientSession (const Scope & scope, const SessionOptions & session_options)
צור session חדש, וקבע אותו באמצעות session_options .
~ClientSession ()

סוגים ציבוריים

CallableHandle סוג-הגדרת
int64
זיהוי תת-גרף, שנוצר באמצעות ClientSession::MakeCallable() .
FeedType סוג-הגדרת
std::unordered_map< Output , Input::Initializer , OutputHash >
סוג נתונים לייצוג הזנות לקריאה להפעלה.

תפקידים ציבוריים

MakeCallable (const CallableOptions & callable_options, CallableHandle *out_handle)
יוצר handle להפעלת subgraph המוגדר על ידי callable_options .
ReleaseCallable ( CallableHandle handle)
משחרר משאבים המשויכים handle הנתון בהפעלה זו.
Run (const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
הערך את הטנזורים בפונקציה fetch_outputs .
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
אותו דבר כמו לעיל, אבל השתמש במיפוי inputs כזנות.
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs) const
כמו לעיל. בנוסף, מפעיל את הפעולות ב- 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
השתמש run_options כדי להפעיל פרופיל ביצועים.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata)
קורא לתת-גרף ששמו נקרא על ידי handle עם האפשרויות וטנזורי הקלט הנתונים.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata, const thread::ThreadPoolOptions & options)
קורא לתת-גרף ששמו נקרא על ידי handle עם האפשרויות וטנזורי הקלט הנתונים.

סוגים ציבוריים

ידית ניתנת לקריאה 

int64 CallableHandle

זיהוי תת-גרף, שנוצר באמצעות ClientSession::MakeCallable() .

סוג הזנה 

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

סוג נתונים לייצוג הזנות לקריאה להפעלה.

זוהי מפה של Output פלט המוחזרים על ידי בנאי אופ לערך שיש להזין אותם בו. ראה Input::Initializer לפרטים על מה שניתן להשתמש בו כערכי הזנה.

תפקידים ציבוריים

סשן לקוח 

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

צור סשן חדש כדי להעריך את הגרף הכלול ב- scope על ידי התחברות לזמן הריצה של TensorFlow שצוין על ידי target .

סשן לקוח 

 ClientSession(
  const Scope & scope
)

כמו לעיל, אבל השתמש במחרוזת ריקה ("") כמפרט היעד.

סשן לקוח 

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

צור session חדש, וקבע אותו באמצעות session_options .

ניתן להתקשרות 

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

יוצר handle להפעלת subgraph המוגדר על ידי callable_options .

הערה: ממשק API זה עדיין ניסיוני ועשוי להשתנות.

שחרור ניתן לקביעה 

Status ReleaseCallable(
  CallableHandle handle
)

משחרר משאבים המשויכים handle הנתון בהפעלה זו.

הערה: ממשק API זה עדיין ניסיוני ועשוי להשתנות.

לָרוּץ 

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

הערך את הטנזורים בפונקציה fetch_outputs .

הערכים מוחזרים כאובייקטי Tensor outputs . מספר outputs וסדרם יתאימו fetch_outputs .

לָרוּץ 

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

אותו דבר כמו לעיל, אבל השתמש במיפוי inputs כזנות.

לָרוּץ 

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

כמו לעיל. בנוסף, מפעיל את הפעולות ב- run_outputs .

לָרוּץ 

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

השתמש run_options כדי להפעיל פרופיל ביצועים.

run_metadata , אם אינו null, מתמלא בתוצאות הפרופילינג.

ניתן להפעיל 

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

קורא לתת-גרף ששמו נקרא על ידי handle עם האפשרויות וטנזורי הקלט הנתונים.

סדר הטנזורים בפונקציה feed_tensors חייב להתאים לסדר השמות בפונקציה CallableOptions::feed() וסדר הטנזורים בפונקציה fetch_tensors יתאים לסדר השמות בפונקציה CallableOptions::fetch() כאשר תת-גרף זה נוצר. הערה: ממשק API זה עדיין ניסיוני ועשוי להשתנות.

ניתן להפעיל 

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

קורא לתת-גרף ששמו נקרא על ידי handle עם האפשרויות וטנזורי הקלט הנתונים.

סדר הטנזורים בפונקציה feed_tensors חייב להתאים לסדר השמות בפונקציה CallableOptions::feed() וסדר הטנזורים בפונקציה fetch_tensors יתאים לסדר השמות בפונקציה CallableOptions::fetch() כאשר תת-גרף זה נוצר. הערה: ממשק API זה עדיין ניסיוני ועשוי להשתנות.

~סשן לקוח 

 ~ClientSession()