Python tf.saved_model.experimental.TrackableResource用法及代码示例

持有 tf.function 可以捕获的张量。

用法

tf.saved_model.experimental.TrackableResource(
    device=''
)

TrackableResource 对于需要初始化的有状态张量最有用，例如 tf.lookup.StaticHashTable 。 TrackableResource 是通过遍历对象属性图来发现的，例如在 tf.saved_model.save 期间。

一个 TrackableResource 有三个方法可以覆盖：

• _create_resource 应该创建资源张量句柄。
• _initialize 应该初始化保存在 self.resource_handle 的资源。
• _destroy_resource 在 TrackableResource 的破坏时被调用，并且应该减少资源的引用计数。对于大多数资源，这应该通过调用 tf.raw_ops.DestroyResourceOp 来完成。

示例用法：

class DemoResource(tf.saved_model.experimental.TrackableResource):
  def __init__(self):
    super().__init__()
    self._initialize()
  def _create_resource(self):
    return tf.raw_ops.VarHandleOp(dtype=tf.float32, shape=[2])
  def _initialize(self):
    tf.raw_ops.AssignVariableOp(
        resource=self.resource_handle, value=tf.ones([2]))
  def _destroy_resource(self):
    tf.raw_ops.DestroyResourceOp(resource=self.resource_handle)
class DemoModule(tf.Module):
  def __init__(self):
    self.resource = DemoResource()
  def increment(self, tensor):
    return tensor + tf.raw_ops.ReadVariableOp(
        resource=self.resource.resource_handle, dtype=tf.float32)
demo = DemoModule()
demo.increment([5, 1])
<tf.Tensor:shape=(2,), dtype=float32, numpy=array([6., 2.], dtype=float32)>