Python tf.raw_ops.MutexLock用法及代码示例

锁定互斥资源。输出是锁。只要锁张量

用法

tf.raw_ops.MutexLock(
    mutex, name=None
)

是活动的，任何其他使用此互斥体的MutexLock 的请求都将等待。

当与 MutexLockIdentity 结合使用时，这对于创建临界区特别有用：

mutex = mutex_v2(
  shared_name=handle_name, container=container, name=name)

def execute_in_critical_section(fn, *args, **kwargs):
  lock = gen_resource_variable_ops.mutex_lock(mutex)

  with ops.control_dependencies([lock]):
    r = fn(*args, **kwargs)

  with ops.control_dependencies(nest.flatten(r)):
    with ops.colocate_with(mutex):
      ensure_lock_exists = mutex_lock_identity(lock)

    # Make sure that if any element of r is accessed, all of
    # them are executed together.
    r = nest.map_structure(tf.identity, r)

  with ops.control_dependencies([ensure_lock_exists]):
    return nest.map_structure(tf.identity, r)

当fn 在临界区运行时，没有其他希望使用该临界区的函数可以运行。

通常用例是同一个图的两个并行执行希望运行 fn ；我们希望确保一次只执行其中一个。如果fn 一次修改一个或多个变量，这一点尤其重要。

如果两个独立的函数必须共享一个资源，这也很有用，但我们希望确保使用是独占的。