Метод experimental_optimization класса Options

Метод experimental_optimization класса Options включает режим экспериментальной оптимизации ввода-вывода для набора данных. Метод применяется к объекту опций, который передаётся в методы tf.data.Dataset, например в prefetch, interleave и map. Первым параметром метод принимает булево значение: True включает оптимизацию, False выключает её. Метод возвращает тот же объект опций, что позволяет строить цепочку вызовов.

Синтаксис

tf.data.experimental.OptimizationOptions().experimental_optimization(value)

Пример

Давайте включим экспериментальную оптимизацию и проверим значение флага:

import tensorflow as tf

options = tf.data.Options()
options = options.experimental_optimization(True)

print(options.experimental_optimization)

Результат выполнения кода:

"True"

Пример

Давайте выключим экспериментальную оптимизацию:

import tensorflow as tf

options = tf.data.Options()
options = options.experimental_optimization(False)

print(options.experimental_optimization)

Результат выполнения кода:

"False"

Пример

Давайте применим опции оптимизации к набору данных и применим оптимизацию через метод map:

import tensorflow as tf

t = tf.constant([1, 2, 3, 4, 5])
ds = tf.data.Dataset.from_tensor_slices(t)

options = tf.data.Options()
options = options.experimental_optimization(True)

ds = ds.with_options(options)
ds = ds.map(lambda x: x * 2)

print(list(ds.as_numpy_iterator()))

Результат выполнения кода:

[2, 4, 6, 8, 10]

Смотрите также

класс Options,
который хранит настройки набора данных
метод experimental_deterministic,
который включает детерминированный режим выполнения
метод experimental_optimization,
который включает экспериментальную оптимизацию ввода-вывода
метод experimental_deterministic,
который задаёт порядок обработки элементов