【问题标题】:About tensorflow Metadata and RunOptions关于 tensorflow 元数据和 RunOptions
【发布时间】:2017-04-11 08:13:24
【问题描述】:

当我使用tensorboard时,我找到了代码:

run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
run_metadata = tf.RunMetadata()

但我无法理解这段代码的含义,我试图搜索解释,但失败了。 谁能给我一些详细的材料或向我解释元数据和运行选项?元数据和运行选项的用途是什么?

【问题讨论】:

    标签: python tensorflow deep-learning


    【解决方案1】:

    需要这些选项来提取图形执行的运行时统计信息。它将有关执行时间和内存消耗的信息添加到您的事件文件中,并允许您在 tensorboard 中查看此信息。

    基本上你定义了这些选项,然后将它们传递给 sess.run 并将它们写入 writer:

    run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
    run_metadata = tf.RunMetadata()
    sess.run(<values_you_want_to_execute>, options=run_options, run_metadata=run_metadata)
    your_writer.add_run_metadata(run_metadata, 'step%d' % i)
    

    更多详情,请阅读official guide

    【讨论】:

      【解决方案2】:

      1) 跟踪每次迭代,例如张量板 > 图表 > 会话运行; 2) 元数据还存储运行时间、内存消耗等信息,例如

      trace_file = open('/home/mk/Documents/timeline.ctf.json', 'w');
      trace = timeline.Timeline(step_stats=run_metadata.step_stats);
      trace_file.write(trace.generate_chrome_trace_format());
      

      【讨论】:

      • 但是跟踪选项之间的区别是什么?
      猜你喜欢
      • 1970-01-01
      • 2019-11-18
      • 2017-06-02
      • 2021-01-19
      • 2013-08-17
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多