תודה שהתכווננת ל-Google I/O. צפה בכל ההפעלות לפי דרישה צפה לפי דרישה

EagerSession.ResourceCleanupStrategy

ציבורי סופי סטטי ציבורי EagerSession.ResourceCleanupStrategy

שולט כיצד מנקים את משאבי TensorFlow כאשר אין בהם עוד צורך.

כל המשאבים שהוקצו במהלך EagerSession נמחקים עם סגירת ההפעלה. כדי למנוע שגיאות מחוץ לזיכרון, מומלץ מאוד לנקות את המשאבים הללו במהלך הפגישה. לדוגמה, ביצוע n פעולות בלולאת איטרציות יקצה מינימום משאבים n * m בעוד שברוב המקרים עדיין משתמשים רק במשאבים של האיטרציה האחרונה.

ניתן להודיע ​​על מקרים של EagerSession בדרכים שונות כאשר אובייקטים של TensorFlow כבר לא מופנים, כך שהם יכולים להמשיך לנקות את כל המשאבים שבבעלותם.

שיטות תורשתיות

ערכי האנום

סופי סטטי ציבורי EagerSession.ResourceCleanupStrategy IN_BACKGROUND

עקוב אחר מחיקת משאבים שאינם בשימוש משרשור חדש שרץ ברקע.

זוהי הגישה האמינה ביותר לניקוי משאבי TensorFlow, במחיר של הפעלת והפעלת שרשור נוסף המוקדש למשימה זו. לכל מופע של EagerSession יש שרשור משלו, אשר נעצר רק כאשר ההפעלה סגורה.

אסטרטגיה זו משמשת כברירת מחדל.

סופי סטטי ציבורי EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS

לפקח ולמחוק משאבים שאינם בשימוש משרשורים קיימים, לפני או אחרי שהם מסיימים משימה אחרת.

משאבים שאינם בשימוש משוחררים כאשר קריאה לספריית TensorFlow מגיעה לנקודה בטוחה לניקוי. זה נעשה באופן סינכרוני ועשוי לחסום לפרק זמן קצר את השרשור שהפעיל את השיחה.

יש להשתמש באסטרטגיה זו רק אם, מסיבות מסוימות, אין להקצות חוט נוסף לניקוי. אחרת, יש להעדיף את IN_BACKGROUND .

גמר סטטי ציבורי EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE

מחק משאבים רק כאשר ההפעלה סגורה.

כל המשאבים שהוקצו במהלך ההפעלה יישארו בזיכרון עד שהמפגש ייסגר במפורש (או באמצעות הטכניקה המסורתית של 'נסה-עם-משאב'). לא תנסה לבצע משימה נוספת לניקוי משאבים.

אסטרטגיה זו עלולה להוביל לשגיאות מחוץ לזיכרון ואין להשתמש בה, אלא אם היקף ההפעלה מוגבל לביצוע פעולות בלבד.