Функция experimental.enable_op_determinism

Функция tf.config.experimental.enable_op_determinism включает режим детерминированного выполнения операций. При вызове этой функции TensorFlow старается использовать только такие реализации операций, которые дают одинаковый результат при одинаковых входных данных. Функция не принимает параметров и не возвращает значений. После включения детерминизма его нельзя отключить в рамках текущего процесса. Включение может замедлить выполнение и повысить потребление памяти, так как не все операции имеют детерминированные реализации.

Синтаксис

tf.config.experimental.enable_op_determinism()

Пример

Давайте включим детерминизм и выполним простое сложение тензоров:

import tensorflow as tf

tf.config.experimental.enable_op_determinism()

t1 = tf.constant([1, 2, 3, 4, 5])
t2 = tf.constant([1, 2, 3, 4, 5])
t = tf.add(t1, t2)
print(t)

Результат выполнения кода:

tf.Tensor([ 2 4 6 8 10], shape=(5,), dtype=int32)

Пример

Давайте проверим, что при включённом детерминизме результаты матричного умножения совпадают при повторных запусках:

import tensorflow as tf

tf.config.experimental.enable_op_determinism()
tf.random.set_seed(0)

t1 = tf.constant([[1, 2, 3], [4, 5, 6]])
t2 = tf.constant([[1, 2], [3, 4], [5, 6]])
res = tf.matmul(t1, t2)
print(res)

Результат выполнения кода:

tf.Tensor(
[[22 28]
 [49 64]], shape=(2, 2), dtype=int32)

Пример

Давайте включим детерминизм и выполним операцию над тензором с плавающей точкой:

import tensorflow as tf

tf.config.experimental.enable_op_determinism()

t = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0])
res = tf.reduce_sum(t)
print(res)

Результат выполнения кода:

tf.Tensor(15.0, shape=(), dtype=float32)

Смотрите также

функцию disable_op_determinism,
которая отключает детерминированное выполнение операций
функцию set_soft_device_placement,
которая управляет автоматическим размещением операций
функцию tf_function,
которая компилирует функции в графы TensorFlow
функцию device,
которая задаёт устройство для выполнения операций