EagerSession.ResourceCleanupStrategy

public static enum akhir EagerSession.ResourceCleanupStrategy

Mengontrol cara resource TensorFlow dibersihkan saat tidak lagi diperlukan.

Semua sumber daya yang dialokasikan selama EagerSession akan dihapus ketika sesi ditutup. Untuk mencegah kesalahan kehabisan memori, sangat disarankan untuk membersihkan sumber daya tersebut selama sesi. Misalnya, mengeksekusi n operasi dalam satu lingkaran iterasi akan mengalokasikan minimal n*m sumber daya sementara dalam kebanyakan kasus, hanya sumber daya dari iterasi terakhir yang masih digunakan.

EagerSession contoh dapat diberitahu dengan cara yang berbeda ketika TensorFlow objek tidak lagi dirujuk, sehingga mereka dapat melanjutkan ke pembersihan dari setiap sumber daya yang mereka miliki.

Metode yang Diwarisi

Dari kelas java.lang.Enum

akhir	compareTo ( EagerSession.ResourceCleanupStrategy arg0)
ke dalam	compareTo (Object arg0)
boolean akhir	sama (Object arg0)
akhir Kelas < EagerSession.ResourceCleanupStrategy >	getDeclaringClass ()
akhir	hashCode ()
string terakhir	Nama ()
akhir	ordinal ()
Rangkaian	toString ()
statis <T meluas Enum<T>> T	valueOf (Kelas <T> arg0, String arg1)

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Dari antarmuka java.lang.Sebanding

abstrak menjadi

compareTo ( EagerSession.ResourceCleanupStrategy arg0)

Nilai Enum

public static final EagerSession.ResourceCleanupStrategy IN_BACKGROUND

Pantau dan hapus sumber daya yang tidak digunakan dari utas baru yang berjalan di latar belakang.

Ini adalah pendekatan paling andal untuk membersihkan resource TensorFlow, dengan biaya memulai dan menjalankan thread tambahan yang didedikasikan untuk tugas ini. Setiap EagerSession misalnya memiliki benang sendiri, yang berhenti hanya ketika sesi ditutup.

Strategi ini digunakan secara default.

public static final EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS

Pantau dan hapus sumber daya yang tidak digunakan dari utas yang ada, sebelum atau setelah mereka menyelesaikan tugas lain.

Resource yang tidak digunakan dilepaskan saat panggilan ke library TensorFlow mencapai titik aman untuk pembersihan. Ini dilakukan secara serempak dan mungkin memblokir untuk waktu yang singkat utas yang memicu panggilan itu.

Strategi ini harus digunakan hanya jika, untuk beberapa alasan, tidak ada utas tambahan yang dialokasikan untuk pembersihan. Jika tidak, IN_BACKGROUND harus disukai.

public static final EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE

Hanya hapus sumber daya saat sesi ditutup.

Semua sumber daya yang dialokasikan selama sesi akan tetap berada dalam memori hingga sesi ditutup secara eksplisit (atau melalui teknik `coba-dengan-sumber daya` tradisional). Tidak ada tugas tambahan untuk pembersihan sumber daya yang akan dicoba.

Strategi ini dapat menyebabkan kesalahan kehabisan memori dan penggunaannya tidak disarankan, kecuali jika ruang lingkup sesi dibatasi untuk mengeksekusi hanya sejumlah kecil operasi.