Python tf.compat.v1.tpu.rewrite用法及代码示例

重写 computation 以在 TPU 系统上执行。

用法

tf.compat.v1.tpu.rewrite(
    computation:Callable[..., Any],
    inputs:Optional[List[List[Optional[core_types.Tensor]]]] = None,
    infeed_queue:Optional[tpu_feed.InfeedQueue] = None,
    device_assignment:Optional[tf.tpu.experimental.DeviceAssignment] = None,
    name:Optional[Text] = None,
    xla_options:Optional[tf.tpu.XLAOptions] = None
) -> Any

参数

computation 一个 Python 函数，它构建一个计算以应用于输入。如果函数接受 n 个输入，'inputs' 应该是 n 个张量的列表。
computation 可能会返回操作和张量列表。张量必须在返回列表中的操作之前。 rewrite 的返回值是与来自 computation 输出的张量相对应的张量列表。

在评估任何返回的输出张量时，将执行在 computation 期间构造的所有 Operation ，而不仅仅是返回的输出张量。
inputs 输入张量列表或None(相当于一个空列表)。每个输入都可以是一个嵌套结构，其中包含可转换为张量的值。请注意，传递兼容值的N-dimension 列表将产生标量张量的N-dimension 列表，而不是单个Rank-N 张量。如果您需要不同的行为，请使用 tf.convert_to_tensor 将部分输入转换为张量。
infeed_queue 如果不是 None ，则从 InfeedQueue 将参数元组作为输入附加到 computation 。
device_assignment 如果不是 None ，则为 DeviceAssignment 说明计算中的逻辑核心与 TPU 拓扑中的物理核心之间的映射。 single-core 计算可以省略，在这种情况下，使用附加到任务 0 的核心，TPU 设备 0。
name (已弃用)什么都不做。
xla_options tpu.XLAOptions 的实例，指示传递给 XLA 编译器的选项。使用 None 作为默认选项。

与直接调用计算(*输入)相同的数据结构，但为了正确性有一些例外。例外情况包括：
1) 无输出：将返回 NoOp，计算时 control-depends。 2)单值输出：将返回一个包含该值的元组。 3) Operation-only 输出：将返回一个 NoOp，计算时会返回 control-depends。

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.tpu.rewrite。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回