Python tf.experimental.async_scope用法及代碼示例

用於對異步操作進行分組的上下文管理器。

用法

@tf_contextlib.contextmanager
tf.experimental.async_scope()

範圍內的操作/函數調用可以在完成實際執行之前返回。退出異步作用域時，將自動添加同步屏障以確保完成所有異步操作和函數執行，如果異步執行導致錯誤狀態，則可能引發異常。

用戶可以編寫以下代碼來異步調用 train_step_fn 並為訓練循環中的每個 num_steps 步驟記錄 loss 指標。 train_step_fn 在內部使用 iterator.get_next() 消耗數據，並且在數據用完時可能會拋出 OutOfRangeError。在這種情況下：

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())