EagerSession.ResourceCleanupStrategy
Organízate con las colecciones
Guarda y clasifica el contenido según tus preferencias.
Controla cómo se limpian los recursos de TensorFlow cuando ya no son necesarios.
Todos los recursos asignados durante una EagerSession se eliminan cuando se cierra la sesión. Para evitar errores de falta de memoria, también se recomienda limpiar esos recursos durante la sesión. Por ejemplo, ejecutar n operaciones en un bucle de iteraciones asignará un mínimo de n*m recursos mientras que, en la mayoría de los casos, solo se siguen utilizando los recursos de la última iteración.
Las instancias EagerSession pueden recibir notificaciones de diferentes maneras cuando ya no se hace referencia a los objetos de TensorFlow, para que puedan proceder a la limpieza de cualquier recurso que posean.
Métodos heredados
De la clase java.lang.Enum | entero final | comparar con (E arg0) |
| En t | comparar con (objeto arg0) |
| booleano final | es igual (Objeto arg0) |
| Clase final<E> | getDeclaringClass () |
| entero final | código hash () |
| cadena final | nombre () |
| entero final | ordinal () |
| Cadena | Encadenar () |
| estático <T extiende Enum<T>> T | valor de (Clase<T> arg0, Cadena arg1) |
De la clase java.lang.Object | booleano | es igual (Objeto arg0) |
| Clase final<?> | obtenerclase () |
| En t | código hash () |
| vacío final | notificar () |
| vacío final | notificar a todos () |
| Cadena | Encadenar () |
| vacío final | esperar (arg0 largo, int arg1) |
| vacío final | espera (largo arg0) |
| vacío final | esperar () |
Desde la interfaz java.lang.Comparable | resumen entero | compareTo (E extiende Enum<E> arg0) |
Valores de enumeración
pública estática final EagerSession.ResourceCleanupStrategy IN_BACKGROUND
Supervise y elimine los recursos no utilizados de un nuevo hilo que se ejecuta en segundo plano.
Este es el enfoque más confiable para limpiar los recursos de TensorFlow, a costa de iniciar y ejecutar un subproceso adicional dedicado a esta tarea. Cada instancia EagerSession tiene su propio hilo, que se detiene solo cuando se cierra la sesión.
Esta estrategia se utiliza de forma predeterminada.
público estático final EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS
Supervise y elimine los recursos no utilizados de los subprocesos existentes, antes o después de que completen otra tarea.
Los recursos no utilizados se liberan cuando una llamada a la biblioteca de TensorFlow llega a un punto seguro para su limpieza. Esto se hace de forma sincrónica y puede bloquear durante un breve período de tiempo el hilo que activó esa llamada.
Esta estrategia debe usarse solo si, por alguna razón, no se debe asignar ningún subproceso adicional para la limpieza. De lo contrario, se debería preferir IN_BACKGROUND .
público estático final EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE
Solo elimine recursos cuando la sesión esté cerrada.
Todos los recursos asignados durante la sesión permanecerán en la memoria hasta que la sesión se cierre explícitamente (o mediante la técnica tradicional de "probar con recursos"). No se intentará ninguna tarea adicional para la limpieza de recursos.
Esta estrategia puede provocar errores de falta de memoria y no se recomienda su uso, a menos que el alcance de la sesión se limite a ejecutar solo una pequeña cantidad de operaciones.
A menos que se indique lo contrario, el contenido de esta página está sujeto a la licencia Reconocimiento 4.0 de Creative Commons y los códigos de ejemplo se rigen por la licencia Apache 2.0. Para obtener más información, consulta las Políticas del Sitio Web de Google Developers. Java es una marca registrada de Oracle o sus entidades asociadas. Parte del contenido está sujeto a la licencia de NumPy.
Última actualización: 2025-07-27 (UTC).
[null,null,["Última actualización: 2025-07-27 (UTC)."],[],[],null,["# EagerSession.ResourceCleanupStrategy\n\npublic static final enum **EagerSession.ResourceCleanupStrategy** \nControls how TensorFlow resources are cleaned up when they are no longer needed.\n\nAll resources allocated during an `EagerSession` are deleted when the session is\nclosed. To prevent out-of-memory errors, it is also strongly suggest to cleanup those resources\nduring the session. For example, executing n operations in a loop of m iterations will allocate\na minimum of n\\*m resources while in most cases, only resources of the last iteration are still\nbeing used.\n\n`EagerSession` instances can be notified in different ways when TensorFlow objects are\nno longer being referred, so they can proceed to the cleanup of any resources they owned.\n\n\u003cbr /\u003e\n\n\u003cbr /\u003e\n\n### Inherited Methods\n\nFrom class java.lang.Enum \n\n|----------------------------------|---------------------------------------|\n| final int | compareTo(E arg0) |\n| int | compareTo(Object arg0) |\n| final boolean | equals(Object arg0) |\n| final Class\\\u003cE\\\u003e | getDeclaringClass() |\n| final int | hashCode() |\n| final String | name() |\n| final int | ordinal() |\n| String | toString() |\n| static \\\u003cT extends Enum\\\u003cT\\\u003e\\\u003e T | valueOf(Class\\\u003cT\\\u003e arg0, String arg1) |\n\nFrom class java.lang.Object \n\n|------------------|---------------------------|\n| boolean | equals(Object arg0) |\n| final Class\\\u003c?\\\u003e | getClass() |\n| int | hashCode() |\n| final void | notify() |\n| final void | notifyAll() |\n| String | toString() |\n| final void | wait(long arg0, int arg1) |\n| final void | wait(long arg0) |\n| final void | wait() |\n\nFrom interface java.lang.Comparable \n\n|--------------|-------------------------------------|\n| abstract int | compareTo(E extends Enum\\\u003cE\\\u003e arg0) |\n\nEnum Values\n-----------\n\n#### public static final EagerSession.ResourceCleanupStrategy\n**IN_BACKGROUND**\n\nMonitor and delete unused resources from a new thread running in background.\n\nThis is the most reliable approach to cleanup TensorFlow resources, at the cost of\nstarting and running an additional thread dedicated to this task. Each `EagerSession`\ninstance has its own thread, which is stopped only when the session is closed.\n\nThis strategy is used by default.\n\n\u003cbr /\u003e\n\n\u003cbr /\u003e\n\n#### public static final EagerSession.ResourceCleanupStrategy\n**ON_SAFE_POINTS**\n\nMonitor and delete unused resources from existing threads, before or after they complete\nanother task.\n\nUnused resources are released when a call to the TensorFlow library reaches a safe point\nfor cleanup. This is done synchronously and might block for a short period of time the thread\nwho triggered that call.\n\nThis strategy should be used only if, for some reasons, no additional thread should be\nallocated for cleanup. Otherwise, [IN_BACKGROUND](/versions/r2.13/api_docs/java/org/tensorflow/EagerSession.ResourceCleanupStrategy#IN_BACKGROUND) should be preferred.\n\n\u003cbr /\u003e\n\n\u003cbr /\u003e\n\n#### public static final EagerSession.ResourceCleanupStrategy\n**ON_SESSION_CLOSE**\n\nOnly delete resources when the session is closed.\n\nAll resources allocated during the session will remained in memory until the session is\nexplicitly closed (or via the traditional \\`try-with-resource\\` technique). No extra task for\nresource cleanup will be attempted.\n\nThis strategy can lead up to out-of-memory errors and its usage is not recommended, unless\nthe scope of the session is limited to execute only a small amount of operations.\n\n\u003cbr /\u003e\n\n\u003cbr /\u003e"]]
