当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.data.Options用法及代码示例


表示 tf.data.Dataset 的选项。

用法

tf.data.Options()

属性

  • autotune 与数据集关联的自动调整选项。有关详细信息，请参阅tf.data.experimental.AutotuneOptions。
  • deterministic 是否需要以确定的顺序生成输出。如果没有，默认为真。
  • experimental_deterministic 已弃用。请改用deterministic。
  • experimental_distribute 与数据集关联的分布策略选项。有关详细信息，请参阅tf.data.experimental.DistributeOptions。
  • experimental_external_state_policy 此选项可用于覆盖在序列化数据集或检查点其迭代器时如何处理外部状态的默认策略。有三种设置可用 - IGNORE：忽略外部状态而不发出警告； WARN：忽略外部状态并记录警告； FAIL：外部状态导致错误。
  • experimental_optimization 与数据集关联的优化选项。有关详细信息，请参阅tf.data.experimental.OptimizationOptions。
  • experimental_slack 是否在输入管道的最后一个prefetch 中引入'slack'，如果存在。这可以减少在步骤开始时与加速器host-side 活动的 CPU 争用。松弛频率由连接到此输入管道的设备数量决定。如果没有，默认为 False。
  • experimental_threading 已弃用。请改用threading。
  • threading 与数据集关联的线程选项。有关详细信息，请参阅tf.data.ThreadingOptions。

例如，tf.data.Options 对象可用于控制将哪些静态优化应用于输入管道图，或者是否使用性能建模来动态调整操作的并行性，例如 tf.data.Dataset.map 或 tf.data.Dataset.interleave 。

这些选项是为整个数据集设置的，并被传递到通过 tf.data 转换创建的数据集。

可以通过构造 Options 对象并使用 tf.data.Dataset.with_options(options) 转换来设置选项，该转换返回带有选项集的数据集。

dataset = tf.data.Dataset.range(42)
options = tf.data.Options()
options.deterministic = False
dataset = dataset.with_options(options)
print(dataset.options().deterministic)
False

注意：tf.data.Options 实现的一个已知限制是选项不会跨 tf.function 边界保留。特别是，要为在 tf.function 中迭代的数据集设置选项，需要在相同的 tf.function 中设置选项。

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.data.Options。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。