企业官网建设流程全解析

竞猜网站模板,延安网站建设公司,做房产经纪人要自己花钱开网站吗,郑州即将迎来全面解封TensorFlow多设备并行训练全解析 1. 设备操作执行机制 当放置请求失败时，TensorFlow会回退到其默认放置规则。即如果存在GPU且有对应的GPU内核，默认使用GPU 0；否则使用CPU 0。那么，TensorFlow究竟如何在多个设备上执行所有这些操作呢？ 1.1 多设备并行执行原理 当Tenso…TensorFlow多设备并行训练全解析1. 设备操作执行机制当放置请求失败时，TensorFlow会回退到其默认放置规则。即如果存在GPU且有对应的GPU内核，默认使用GPU 0；否则使用CPU 0。那么，TensorFlow究竟如何在多个设备上执行所有这些操作呢？1.1 多设备并行执行原理当TensorFlow运行一个TF函数时，它首先会分析其图结构，找出需要评估的操作列表，并统计每个操作的依赖数量。然后，将没有依赖的操作（即源操作）添加到该操作所在设备的评估队列中。一旦某个操作被评估，依赖该操作的其他操作的依赖计数器就会减1。当某个操作的依赖计数器变为0时，它就会被推送到其所在设备的评估队列中。当TensorFlow所需的所有节点都被评估后，它会返回这些节点的输出。graph LR A[分析图结构] -- B[找出需评估操作列表] B -- C[统计操作依赖数量] C -- D[添加无依赖操作到评估队列] D -- E[评估操作] E -- F{依赖计数器减1} F -- 计数器为0 -- G[推送到设备评估队列] F -- 计数器不为0 -- E G -- H{所有节点评估完成?} H -- 是 -- I[返回输出] H -- 否 -- E1.2 CPU和GPU操作执行差异CPU操作执行：CPU评估队