Yerel TensorFlow Everywhere etkinliğiniz için bugün LCV!
Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

Bilinen Sorunlar

XLA ile derleme, programlarınızın performansını büyük ölçüde artırabilir, ancak TensorFlow birlikte çalışmasının bilinen bazı keskin köşeleri vardır.

TensorArray TF / XLA arası dönüştürme desteklenmez

Hata mesajı : Support for TensorList crossing the XLA/TF boundary is not implemented .

XLA, tf.TensorArray destekler. Ancak, TF ve XLA temsiller arasındaki henüz uygulanmadı. Bu hata genellikle TensorArray derlenen blok içinde kullanıldığında, ancak türev dışarı alındığında ortaya çıkar.

Çözüm : türevi alan en dış kapsamı derleyin.

Döngülerin sınırlanması (veya arka planın devre dışı bırakılması) gerektiğinde TensorFlow

Hata mesajı : 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.while_loop kullanılarak oluşturulan döngüler , bir TensorArray tüm ara sonuçları tf.while_loop geri tf.while_loop destekler, ancak XLA yalnızca sınırlı TensorArray destekler.

Çözüm: döngüler için gereken ya varken derlenmiþ maximum_iterations derleme zamanında bilinen sabit bir değere set parametresi veya geri yayılım kullanılarak devre dışı back_prop=False .

Dynamic tf.TensorArray desteklenmez

tf.TensorArray(..., dynamic_size=True) yazılanlar, dizi orijinal sınırı aştığında bilinmeyen sayıda yeniden tahsis gerektirdiğinden, XLA ile derlenemez.

Çözüm : Dizilerinize statik olarak bilinen bir bağlantı sağlayın.

Rastgele sayı üretimi TF tohumunu yok sayar

XLA şu anda rastgele işlemlere yönelik TF tohumlarını yok saymaktadır. Bu, tf.random.normal veya tf.nn.dropout gibi durum bilgisi olan TF rastgele işlemlerini etkiler. XLA, derleme her çalıştırmada yeni bir benzersiz tohumla tohumlanmış gibi davranacaktır. Bu sınırlama, vatansız rastgele operasyonlar için geçerli değildir.

TensorFlow Onayları yok sayılır

tf.Assert ve benzer işlevler kullanılarak oluşturulan iddialar, XLA'ya derlendiğinde noops'dur. Uygun ispat desteği prensipte mümkün olsa da, belirli optimizasyonları imkansız hale getirebilir (esas olarak iddianın gerçekleştirildiği tamponu birleştirerek).

Belirleyici olmayan çıktı

CPU ve GPU'da çıktı deterministik olmayabilir (uygun TF ile aynı).

Çözüm : Belirleyiciliği zorlamak için TF_DETERMINISTIC_OPS ortam değişkenini 1 (TF ile aynı).