EagerSession.ResourceCleanupStrategy
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Mengontrol cara sumber daya TensorFlow dibersihkan saat tidak diperlukan lagi.
Semua sumber daya yang dialokasikan selama EagerSession dihapus ketika sesi ditutup. Untuk mencegah kesalahan kehabisan memori, sangat disarankan untuk membersihkan sumber daya tersebut selama sesi. Misalnya, menjalankan n operasi dalam satu perulangan sebanyak m iterasi akan mengalokasikan minimal n*m sumber daya, sementara pada sebagian besar kasus, hanya sumber daya dari iterasi terakhir yang masih digunakan.
Instance EagerSession dapat diberi tahu dengan berbagai cara saat objek TensorFlow tidak lagi dirujuk, sehingga instance tersebut dapat melanjutkan pembersihan resource apa pun yang dimilikinya.
Metode Warisan
Dari kelas java.lang.Enum | int terakhir | bandingkanKe (E arg0) |
| ke dalam | bandingkanTo (Objek arg0) |
| boolean terakhir | sama dengan (Objek arg0) |
| Kelas akhir<E> | dapatkanDeklarasiKelas () |
| int terakhir | Kode hash () |
| String terakhir | nama () |
| int terakhir | ordinal () |
| Rangkaian | keString () |
| statis <T memperluas Enum<T>> T | valueOf (Kelas<T> arg0, String arg1) |
Dari kelas java.lang.Object | boolean | sama dengan (Objek arg0) |
| Kelas terakhir<?> | dapatkan Kelas () |
| ke dalam | Kode hash () |
| kekosongan terakhir | memberitahu () |
| kekosongan terakhir | beri tahuSemua () |
| Rangkaian | keString () |
| kekosongan terakhir | tunggu (arg0 panjang, int arg1) |
| kekosongan terakhir | tunggu (argumen panjang0) |
| kekosongan terakhir | Tunggu () |
Dari antarmuka java.lang.Comparable | abstrak ke dalam | bandingkanTo (E memperluas Enum<E> arg0) |
Nilai Enum
EagerSession.ResourceCleanupStrategy IN_BACKGROUND final statis publik
Pantau dan hapus sumber daya yang tidak terpakai dari thread baru yang berjalan di latar belakang.
Ini adalah pendekatan paling andal untuk membersihkan sumber daya TensorFlow, dengan mengorbankan memulai dan menjalankan thread tambahan yang didedikasikan untuk tugas ini. Setiap instance EagerSession memiliki threadnya sendiri, yang dihentikan hanya ketika sesi ditutup.
Strategi ini digunakan secara default.
EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS akhir statis publik
Pantau dan hapus sumber daya yang tidak terpakai dari thread yang ada, sebelum atau setelah menyelesaikan tugas lain.
Sumber daya yang tidak terpakai akan dilepaskan ketika panggilan ke perpustakaan TensorFlow mencapai titik aman untuk pembersihan. Hal ini dilakukan secara sinkron dan mungkin memblokir thread yang memicu panggilan tersebut untuk jangka waktu singkat.
Strategi ini sebaiknya digunakan hanya jika, karena alasan tertentu, tidak ada thread tambahan yang dialokasikan untuk pembersihan. Jika tidak, IN_BACKGROUND sebaiknya diutamakan.
EagerSession.ResourceCleanupStrategy akhir statis publik ON_SESSION_CLOSE
Hapus sumber daya hanya saat sesi ditutup.
Semua sumber daya yang dialokasikan selama sesi akan tetap tersimpan di memori hingga sesi ditutup secara eksplisit (atau melalui teknik `coba-dengan-sumber daya` tradisional). Tidak ada tugas tambahan untuk pembersihan sumber daya yang akan dilakukan.
Strategi ini dapat menyebabkan kesalahan kehabisan memori dan penggunaannya tidak disarankan, kecuali cakupan sesi dibatasi untuk menjalankan sejumlah kecil operasi saja.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, baca Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya. Beberapa konten dilisensikan berdasarkan lisensi numpy.
Terakhir diperbarui pada 2025-07-28 UTC.
[null,null,["Terakhir diperbarui pada 2025-07-28 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/r2.9/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"]]
