דף זה תורגם על ידי Cloud Translation API.
Switch to English

בעיות ידועות

אוסף עם XLA יכול לשפר מאוד את ביצועי התוכניות שלך, אך לאינטראופ של TensorFlow יש מספר פינות חדות ידועות.

המרה אינטנסיבית של TensorArray TF / XLA

הודעת שגיאה : Support for TensorList crossing the XLA/TF boundary is not implemented .

XLA תומך ב- tf.TensorArray . עם זאת, ההמרה ההדדית בין ייצוגי TF ו- XLA עדיין לא מיושמת. שגיאה זו מתעוררת לעיתים קרובות כאשר נעשה שימוש ב- TensorArray בתוך הבלוק TensorArray , אך הנגזרת נלקחת החוצה.

דרך לעקיפת הבעיה : הידר את ההיקף החיצוני ביותר שלוקח את הנגזרת.

TensorFlow בעוד לולאות צריך להיות מוגבל (או להשבית backprop)

הודעת שגיאה : XLA compilation requires a fixed tensor list size. Set the max number of elements. This could also happen if you're using a TensorArray in a while loop that does not have its maximum_iteration set, you can fix this by setting maximum_iteration to a suitable value .

TF בעוד לולאות שנוצרו באמצעות tf.while_loop תומכות tf.while_loop ידי צבירת כל תוצאות הביניים ב- TensorArray , אך XLA תומך רק ב- TensorArray מוגבלים.

דרך לעקיפת הבעיה : על כל maximum_iterations בזמן לולאות להיות מוגדר פרמטר maximum_iterations לערך קבוע הידוע בזמן back_prop=False , או back_prop=False מושבתת באמצעות back_prop=False .

דינמי tf.TensorArray

tf.TensorArray(..., dynamic_size=True) אל tf.TensorArray(..., dynamic_size=True) אינן ניתנות לביצוע עם XLA, מכיוון שכותבים כאלה דורשים מספר לא ידוע של הקצאות מחדש כאשר המערך חורג מהגבול המקורי.

דרך לעקיפת הבעיה : ספק קשר מוכר סטטי למערכים שלך.

יצירת מספרים אקראיים

XLA מתעלם כיום מזרעי TF לפעולות אקראיות. פעולה זו משפיעה על פעולות אקראיות של TF, כגון tf.random.normal , או tf.nn.dropout . XLA יתנהג כאילו האוסף נזרע בזרע ייחודי חדש בכל ריצה. מגבלה זו אינה חלה על אופציות אקראיות חסרות מדינה.