Python tf.experimental.async_scope用法及代码示例

用于对异步操作进行分组的上下文管理器。

用法

@tf_contextlib.contextmanager
tf.experimental.async_scope()

范围内的操作/函数调用可以在完成实际执行之前返回。退出异步作用域时，将自动添加同步屏障以确保完成所有异步操作和函数执行，如果异步执行导致错误状态，则可能引发异常。

用户可以编写以下代码来异步调用 train_step_fn 并为训练循环中的每个 num_steps 步骤记录 loss 指标。 train_step_fn 在内部使用 iterator.get_next() 消耗数据，并且在数据用完时可能会抛出 OutOfRangeError。在这种情况下：

try:
  with tf.experimental.async_scope():
    for _ in range(num_steps):
      # Step function updates the metric `loss` internally
      train_step_fn()
except tf.errors.OutOfRangeError:
  tf.experimental.async_clear_error()
logging.info('loss = %s', loss.numpy())