tensorflow:: SesjaKlienta

#include <client_session.h>

Obiekt ClientSession umożliwia wywołującemu sterowanie oceną grafu TensorFlow skonstruowanego za pomocą interfejsu API C++.

Streszczenie

Przykład:

Scope root = Scope::NewRootScope();
auto a = Placeholder(root, DT_INT32);
auto c = Add(root, a, {41});

ClientSession session(root);
std::vector outputs;

Status s = session.Run({ {a, {1}} }, {c}, &outputs);
if (!s.ok()) { ... }

Konstruktory i destruktory

ClientSession (const Scope & scope, const string & target)
Utwórz nową sesję, aby ocenić wykres zawarty w scope , łącząc się ze środowiskiem wykonawczym TensorFlow określonym przez target .
ClientSession (const Scope & scope)
Tak samo jak powyżej, ale użyj pustego ciągu ("") jako specyfikacji celu.
ClientSession (const Scope & scope, const SessionOptions & session_options)
Utwórz nową sesję, konfigurując ją za pomocą session_options .
~ClientSession ()

Typy publiczne

CallableHandle typedef
int64
Uchwyt podgrafu utworzony za pomocą ClientSession::MakeCallable() .
FeedType typedef
std::unordered_map< Output , Input::Initializer , OutputHash >
Typ danych reprezentujący kanały informacyjne dla wywołania Run.

Funkcje publiczne

MakeCallable (const CallableOptions & callable_options, CallableHandle *out_handle)
Tworzy handle do wywoływania podgrafu zdefiniowanego przez callable_options .
ReleaseCallable ( CallableHandle handle)
Zwalnia zasoby powiązane z danym handle w tej sesji.
Run (const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Oceń tensory w fetch_outputs .
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, std::vector< Tensor > *outputs) const
Tak samo jak powyżej, ale użyj mapowania w inputs jako kanałów.
Run (const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs) const
Tak samo jak powyżej. Dodatkowo uruchamia operacje ins run_outputs .
Run (const RunOptions & run_options, const FeedType & inputs, const std::vector< Output > & fetch_outputs, const std::vector< Operation > & run_outputs, std::vector< Tensor > *outputs, RunMetadata *run_metadata) const
Użyj run_options , aby włączyć profilowanie wydajności.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata)
Wywołuje podgraf o nazwie handle z podanymi opcjami i tensorami wejściowymi.
RunCallable ( CallableHandle handle, const std::vector< Tensor > & feed_tensors, std::vector< Tensor > *fetch_tensors, RunMetadata *run_metadata, const thread::ThreadPoolOptions & options)
Wywołuje podgraf o nazwie handle z podanymi opcjami i tensorami wejściowymi.

Typy publiczne

Wywoływalny uchwyt 

int64 CallableHandle

Uchwyt podgrafu utworzony za pomocą ClientSession::MakeCallable() .

Typ kanału 

std::unordered_map< Output, Input::Initializer, OutputHash > FeedType

Typ danych reprezentujący kanały informacyjne dla wywołania Run.

To jest mapa obiektów Output zwracanych przez konstruktory operacji do wartości, którą mają być im przekazywane. Szczegóły na temat tego, co może być używane jako wartości przekazywane, można znaleźć w Input::Initializer

Funkcje publiczne

Sesja klienta 

 ClientSession(
  const Scope & scope,
  const string & target
)

Utwórz nową sesję, aby ocenić wykres zawarty w scope , łącząc się ze środowiskiem wykonawczym TensorFlow określonym przez target .

Sesja klienta 

 ClientSession(
  const Scope & scope
)

Tak samo jak powyżej, ale użyj pustego ciągu ("") jako specyfikacji celu.

Sesja klienta 

 ClientSession(
  const Scope & scope,
  const SessionOptions & session_options
)

Utwórz nową sesję, konfigurując ją za pomocą session_options .

Utwórz możliwość wywołania 

Status MakeCallable(
  const CallableOptions & callable_options,
  CallableHandle *out_handle
)

Tworzy handle do wywoływania podgrafu zdefiniowanego przez callable_options .

UWAGA: To API jest nadal w fazie eksperymentalnej i może ulec zmianie.

ReleaseCallable 

Status ReleaseCallable(
  CallableHandle handle
)

Zwalnia zasoby powiązane z danym handle w tej sesji.

UWAGA: To API jest nadal w fazie eksperymentalnej i może ulec zmianie.

Uruchomić 

Status Run(
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const

Oceń tensory w fetch_outputs .

Wartości są zwracane jako obiekty Tensor w outputs . Liczba i kolejność outputs będzie zgodna z fetch_outputs .

Uruchomić 

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  std::vector< Tensor > *outputs
) const

Tak samo jak powyżej, ale użyj mapowania w inputs jako kanałów.

Uruchomić 

Status Run(
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs
) const

Tak samo jak powyżej. Dodatkowo uruchamia operacje ins run_outputs .

Uruchomić 

Status Run(
  const RunOptions & run_options,
  const FeedType & inputs,
  const std::vector< Output > & fetch_outputs,
  const std::vector< Operation > & run_outputs,
  std::vector< Tensor > *outputs,
  RunMetadata *run_metadata
) const

Użyj run_options , aby włączyć profilowanie wydajności.

run_metadata , jeśli nie jest nullem, zostaje wypełniona wynikami profilowania.

RunCallable 

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata
)

Wywołuje podgraf o nazwie handle z podanymi opcjami i tensorami wejściowymi.

Kolejność tensorów w feed_tensors musi być zgodna z kolejnością nazw w CallableOptions::feed() , a kolejność tensorów w fetch_tensors będzie zgodna z kolejnością nazw w CallableOptions::fetch() podczas tworzenia tego podgrafu. UWAGA: To API jest wciąż w fazie eksperymentalnej i może ulec zmianie.

RunCallable 

Status RunCallable(
  CallableHandle handle,
  const std::vector< Tensor > & feed_tensors,
  std::vector< Tensor > *fetch_tensors,
  RunMetadata *run_metadata,
  const thread::ThreadPoolOptions & options
)

Wywołuje podgraf o nazwie handle z podanymi opcjami i tensorami wejściowymi.

Kolejność tensorów w feed_tensors musi być zgodna z kolejnością nazw w CallableOptions::feed() , a kolejność tensorów w fetch_tensors będzie zgodna z kolejnością nazw w CallableOptions::fetch() podczas tworzenia tego podgrafu. UWAGA: To API jest wciąż w fazie eksperymentalnej i może ulec zmianie.

~Sesja klienta 

 ~ClientSession()