שולט כיצד מנקים משאבי TensorFlow כאשר אין בהם עוד צורך.
כל המשאבים שהוקצו במהלך EagerSession נמחקים כאשר ההפעלה נסגרת. כדי למנוע שגיאות מחוץ לזיכרון, מומלץ גם לנקות את המשאבים הללו במהלך הפגישה. לדוגמה, ביצוע n פעולות בלולאה של מיטרציות יקצה מינימום של n*m משאבים בעוד שברוב המקרים, עדיין נעשה שימוש רק במשאבים מהאיטרציה האחרונה.
ניתן להודיע על מופעי EagerSession בדרכים שונות כאשר אובייקטי TensorFlow אינם מופנים יותר, כך שהם יכולים להמשיך לניקוי כל המשאבים שבבעלותם.
שיטות בירושה
ערכים מנויים
ציבורי סטטי סופית EagerSession.ResourceCleanupStrategy IN_BACKGROUND
מעקב ומחק משאבים שאינם בשימוש משרשור חדש הפועל ברקע.
זוהי הגישה האמינה ביותר לניקוי משאבי TensorFlow, במחיר של התחלת והפעלת שרשור נוסף המוקדש למשימה זו. לכל מופע EagerSession יש שרשור משלו, שנפסק רק כאשר ההפעלה סגורה.
אסטרטגיה זו משמשת כברירת מחדל.
סופי סטטי ציבורי EagerSession.ResourceCleanupStrategy ON_SAFE_POINTS
מעקב ומחק משאבים שאינם בשימוש משרשורים קיימים, לפני או אחרי שהם משלימים משימה אחרת.
משאבים שאינם בשימוש משתחררים כאשר קריאה לספריית TensorFlow מגיעה לנקודה בטוחה לניקוי. זה נעשה באופן סינכרוני ועלול לחסום לפרק זמן קצר את השרשור שהפעיל את השיחה.
יש להשתמש באסטרטגיה זו רק אם, מסיבות מסוימות, אין להקצות שרשור נוסף לניקוי. אחרת, יש להעדיף IN_BACKGROUND .
ציבורי סטטי סופית EagerSession.ResourceCleanupStrategy ON_SESSION_CLOSE
מחק משאבים רק כאשר ההפעלה סגורה.
כל המשאבים שהוקצו במהלך הפגישה יישארו בזיכרון עד לסגירה מפורשת של הפגישה (או באמצעות טכניקת `נסה-עם-משאב` המסורתית). לא תבוצע ניסיון משימה נוספת לניקוי משאבים.
אסטרטגיה זו עלולה להוביל לשגיאות מחוץ לזיכרון והשימוש בה אינו מומלץ, אלא אם היקף הפגישה מוגבל לביצוע כמות קטנה של פעולות בלבד.