경고 : 이 API는 더 이상 사용되지 않으며 교체 가 안정된 후 TensorFlow의 향후 버전에서 제거됩니다.

EagerSession.ResourceCleanupStrategy

공공 정적 최종 열거 EagerSession.ResourceCleanupStrategy

TensorFlow 리소스가 더 이상 필요하지 않을 때 정리하는 방법을 제어합니다.

동안 할당 된 모든 자원 EagerSession 세션이 종료 될 때 삭제됩니다. 메모리 부족 오류를 방지하려면 세션 중에 해당 리소스를 정리하는 것이 좋습니다. 예를 들어, m 반복 루프에서 n 작업을 실행하면 최소 n*m 리소스가 할당되지만 대부분의 경우 마지막 반복의 리소스만 계속 사용됩니다.

EagerSession TensorFlow 객체 참조 더 이상 때 그들이 소유 한 자원의 정리를 진행 할 수 있도록 인스턴스가, 다른 방법으로 통지 할 수 없습니다.

상속된 메서드

열거형 값

공공 정적 최종 EagerSession.ResourceCleanupStrategy IN_BACKGROUND

백그라운드에서 실행되는 새 스레드에서 사용하지 않는 리소스를 모니터링하고 삭제합니다.

이것은 이 작업 전용의 추가 스레드를 시작하고 실행하는 비용으로 TensorFlow 리소스를 정리하는 가장 안정적인 접근 방식입니다. 각 EagerSession 인스턴스는 세션이 닫힌 경우에만 정지 자신의 스레드를 가지고 있습니다.

이 전략은 기본적으로 사용됩니다.

공공 정적 최종 EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS

다른 작업을 완료하기 전이나 후에 기존 스레드에서 사용하지 않는 리소스를 모니터링하고 삭제합니다.

TensorFlow 라이브러리에 대한 호출이 정리를 위한 안전한 지점에 도달하면 사용되지 않은 리소스가 해제됩니다. 이것은 동기적으로 수행되며 해당 호출을 트리거한 스레드가 짧은 시간 동안 차단될 수 있습니다.

이 전략은 몇 가지 이유로 정리를 위해 추가 스레드를 할당하지 않아야 하는 경우에만 사용해야 합니다. 그렇지 않으면, IN_BACKGROUND 선호한다.

공공 정적 최종 EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE

세션이 닫힐 때만 리소스를 삭제합니다.

세션 동안 할당된 모든 리소스는 세션이 명시적으로 닫힐 때까지(또는 기존의 'try-with-resource' 기술을 통해) 메모리에 남아 있습니다. 리소스 정리를 위한 추가 작업은 시도되지 않습니다.

이 전략은 메모리 부족 오류로 이어질 수 있으며 세션 범위가 소량의 작업만 실행하도록 제한되지 않는 한 사용하지 않는 것이 좋습니다.