Python tf.compat.v1.tpu.rewrite用法及代碼示例

重寫 computation 以在 TPU 係統上執行。

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

參數

computation 一個 Python 函數，它構建一個計算以應用於輸入。如果函數接受 n 個輸入，'inputs' 應該是 n 個張量的列表。
computation 可能會返回操作和張量列表。張量必須在返回列表中的操作之前。 rewrite 的返回值是與來自 computation 輸出的張量相對應的張量列表。

在評估任何返回的輸出張量時，將執行在 computation 期間構造的所有 Operation ，而不僅僅是返回的輸出張量。
inputs 輸入張量列表或None(相當於一個空列表)。每個輸入都可以是一個嵌套結構，其中包含可轉換為張量的值。請注意，傳遞兼容值的N-dimension 列表將產生標量張量的N-dimension 列表，而不是單個Rank-N 張量。如果您需要不同的行為，請使用 tf.convert_to_tensor 將部分輸入轉換為張量。
infeed_queue 如果不是 None ，則從 InfeedQueue 將參數元組作為輸入附加到 computation 。
device_assignment 如果不是 None ，則為 DeviceAssignment 說明計算中的邏輯核心與 TPU 拓撲中的物理核心之間的映射。 single-core 計算可以省略，在這種情況下，使用附加到任務 0 的核心，TPU 設備 0。
name (已棄用)什麽都不做。
xla_options tpu.XLAOptions 的實例，指示傳遞給 XLA 編譯器的選項。使用 None 作為默認選項。

與直接調用計算(*輸入)相同的數據結構，但為了正確性有一些例外。例外情況包括：
1) 無輸出：將返回 NoOp，計算時 control-depends。 2)單值輸出：將返回一個包含該值的元組。 3) Operation-only 輸出：將返回一個 NoOp，計算時會返回 control-depends。

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.tpu.rewrite。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回