РЕПЕТИТОР математика физика информатика
Для школьников и студентов. Подтягивание пробелов. ЦЭ, ЦТ, ОГЭ, ЕГЭ.
Идет набор на ЛЕТО. Жмите для подробностей:)
796 of 824 menu

Атрибут mixed_precision.global_policy

Атрибут mixed_precision.global_policy возвращает текущую глобальную политику смешанной точности. Политика определяет, какой тип данных используется по умолчанию для переменных слоев и вычислений. По умолчанию возвращается политика float32. Атрибут не принимает параметров и доступен только для чтения. Для изменения политики используется функция mixed_precision.set_global_policy.

Синтаксис

tf.keras.mixed_precision.global_policy()

Пример

Давайте получим текущую глобальную политику смешанной точности:

import tensorflow as tf res = tf.keras.mixed_precision.global_policy() print(res)

Результат выполнения кода:

<Policy "float32">

Пример

Давайте изменим политику на mixed_float16 и проверим результат:

import tensorflow as tf tf.keras.mixed_precision.set_global_policy('mixed_float16') res = tf.keras.mixed_precision.global_policy() print(res)

Результат выполнения кода:

<Policy "mixed_float16">

Пример

Давайте посмотрим, как глобальная политика влияет на тип данных слоя:

import tensorflow as tf tf.keras.mixed_precision.set_global_policy('mixed_float16') layer = tf.keras.layers.Dense(5) t = tf.constant([[1, 2, 3], [4, 5, 6]]) res = layer(t) print(res.dtype)

Результат выполнения кода:

<dtype: 'float16'>

Пример

Давайте проверим тип данных переменных слоя при политике mixed_float16:

import tensorflow as tf tf.keras.mixed_precision.set_global_policy('mixed_float16') layer = tf.keras.layers.Dense(5) t = tf.constant([[1, 2, 3], [4, 5, 6]]) layer(t) print(layer.kernel.dtype)

Результат выполнения кода:

<dtype: 'float32'>

Как видно из примера, при политике mixed_float16 переменные слоя хранятся в float32, а вычисления выполняются в float16.

Смотрите также

  • функцию mixed_precision.set_global_policy,
    которая устанавливает глобальную политику смешанной точности
  • класс mixed_precision.Policy,
    который описывает политику смешанной точности
  • класс LossScaleOptimizer,
    который применяет масштабирование потерь при смешанной точности
  • функцию device,
    которая задает устройство для выполнения операций
Мы используем cookie для работы сайта, аналитики и персонализации. Обработка данных происходит согласно Политике конфиденциальности.
принять все настроить отклонить