एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

EagerSession.ResourceCleanupStrategy

सार्वजनिक स्थैतिक अंतिम एनम ईगरसशन.रेज़ोर्तेक्लेनअपस्ट्रेगी

नियंत्रित करता है कि कैसे TensorFlow संसाधनों को तब साफ किया जाता है जब उनकी आवश्यकता नहीं होती है।

सत्र बंद होने पर EagerSession दौरान आवंटित सभी संसाधन हटा EagerSession जाते हैं। आउट-ऑफ-मेमोरी त्रुटियों को रोकने के लिए, सत्र के दौरान उन संसाधनों को साफ करने का भी दृढ़ता से सुझाव है। उदाहरण के लिए, m पुनरावृत्तियों के एक लूप में n परिचालनों को निष्पादित करने से न्यूनतम n * m संसाधनों का आवंटन होगा जबकि अधिकांश मामलों में, अंतिम पुनरावृत्ति के केवल संसाधनों का उपयोग अभी भी किया जा रहा है।

जब TensorFlow वस्तुओं को अब संदर्भित नहीं किया जा रहा है, तो EagerSession उदाहरण अलग-अलग तरीकों से अधिसूचित किए जा सकते हैं, इसलिए वे अपने स्वामित्व वाले किसी भी संसाधन की सफाई के लिए आगे बढ़ सकते हैं।

निहित तरीके

Enum Values

सार्वजनिक स्थिर अंतिम EagerSession.ResourceCleanupStrategy IN_BACKGROUND

पृष्ठभूमि में चल रहे एक नए थ्रेड से अप्रयुक्त संसाधनों की निगरानी करें और हटाएं।

इस कार्य के लिए समर्पित एक अतिरिक्त धागा को शुरू करने और चलाने की लागत पर, TensorFlow संसाधनों की सफाई के लिए यह सबसे विश्वसनीय दृष्टिकोण है। प्रत्येक EagerSession उदाहरण का अपना धागा होता है, जिसे सत्र बंद होने पर ही रोका जाता है।

इस रणनीति का उपयोग डिफ़ॉल्ट रूप से किया जाता है।

सार्वजनिक स्थैतिक अंतिम EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS

किसी अन्य कार्य को पूरा करने से पहले या उसके बाद मौजूदा थ्रेड्स से अप्रयुक्त संसाधनों की निगरानी और हटाना।

अप्रयुक्त संसाधनों को तब जारी किया जाता है जब TensorFlow पुस्तकालय में कॉल क्लीनअप के लिए एक सुरक्षित बिंदु तक पहुंचता है। यह सिंक्रोनाइज़ किया जाता है और थोड़े समय के लिए ब्लॉक हो सकता है जो उस कॉल को ट्रिगर करता है।

इस रणनीति का उपयोग केवल तभी किया जाना चाहिए यदि कुछ कारणों से, सफाई के लिए कोई अतिरिक्त धागा आवंटित नहीं किया जाना चाहिए। अन्यथा, IN_BACKGROUND को प्राथमिकता दी जानी चाहिए।

सार्वजनिक स्थिर अंतिम EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE

सत्र बंद होने पर केवल संसाधन हटाएं।

सत्र के दौरान आवंटित सभी संसाधन स्मृति में बने रहेंगे जब तक कि सत्र को स्पष्ट रूप से बंद नहीं किया जाता है (या पारंपरिक `कोशिश-साथ-संसाधन` तकनीक के माध्यम से)। संसाधन सफाई के लिए कोई अतिरिक्त कार्य करने का प्रयास नहीं किया जाएगा।

यह रणनीति आउट-ऑफ-मेमोरी त्रुटियों को जन्म दे सकती है और इसके उपयोग की सिफारिश नहीं की जाती है, जब तक कि सत्र का दायरा केवल संचालन की थोड़ी मात्रा को निष्पादित करने के लिए सीमित नहीं है।