如果您对同一个会话sess.run(…)进行两个并发调用,如何在tensorflow中并发访问变量?
在每次调用运行时,每个调用都会看到变量快照的快照,并且在整个调用过程中保持一致吗?还是他们会看到变量的动态更新,仅保证每个变量的原子更新?
我正在考虑在单独的CPU线程上运行测试集评估,并想验证它与在CPU设备上并行运行推理操作一样简单.
我很难弄清楚究竟提供了什么保证可以使会话“线程安全”.
解决方法:
经过一些实验后,似乎每次对sess.run(…)的调用的确确实看到了变量的一致时间点快照.
为了测试这一点,我执行了2个大矩阵乘法运算(每次大约需要10秒),并在之前,之间和之后更新了一个独立的因变量.在另一个线程中,我每1/10秒抓取并打印一次该变量,以查看它是否拾取了在第一个线程仍在运行时在两次操作之间发生的更改.它没有,我只看到了它的初始值和最终值.因此,我得出结论,变量更改仅在该运行结束时对sess.run(…)的特定调用之外才可见.
标签:python,multithreading,tensorflow
来源: https://codeday.me/bug/20191012/1901152.html