Метод experimental_deterministic
Метод experimental_deterministic класса Options включает или отключает детерминированное выполнение операций. При включении TensorFlow старается использовать только детерминированные алгоритмы, что гарантирует одинаковый результат при повторных запусках с одними и теми же данными. Первым параметром метод принимает булево значение: True включает детерминизм, False - отключает. Метод возвращает объект Options, что позволяет использовать цепочку вызовов.
Синтаксис
options.experimental_deterministic(enabled)
Пример
Давайте создадим объект Options и включим детерминированное выполнение:
import tensorflow as tf
options = tf.data.Options()
options = options.experimental_deterministic(True)
print(options.experimental_deterministic)
Результат выполнения кода:
True
Пример
Давайте отключим детерминированное выполнение:
import tensorflow as tf
options = tf.data.Options()
options = options.experimental_deterministic(False)
print(options.experimental_deterministic)
Результат выполнения кода:
False
Пример
Давайте применим детерминированные опции к датасету и проверим их наличие:
import tensorflow as tf
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4, 5])
options = tf.data.Options()
options = options.experimental_deterministic(True)
dataset = dataset.with_options(options)
print(dataset.options().experimental_deterministic)
Результат выполнения кода:
True
Смотрите также
-
класс
Options,
который задает параметры обработки данных -
метод
experimental_deterministic,
который управляет детерминизмом выполнения -
метод
experimental_optimization,
который включает оптимизации в пайплайне данных -
класс
Options,
который содержит набор экспериментальных настроек
