Función Tensorflow.js tf.memory()

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

La función Tensorflow.js tf.memory() se usa para obtener información de memoria del programa en el momento actual. Esta función devuelve un objeto memoryInfo con las siguientes propiedades:

• numBytes: Especifica el número de bytes no desechados asignados en el momento actual.
• numTensors: Especifica el número de tensores únicos asignados.
• numDataBuffers : especifica el número de búferes de datos únicos no desechados asignados en el momento actual, que es mayor o igual que el número de tensores.
• no confiable: no confiable es Verdadero solo y solo si el uso de la memoria no es confiable.
• razones: especifica una array de strings, que representa las razones por las que la memoria no es confiable.

Propiedades WebGL:

• numBytesInGPU: especifica el número total de bytes no desechados asignados en la GPU en el momento actual.

Sintaxis:

tf.memory() 

  
Parámetros: Esta función no acepta ningún parámetro.

Valor devuelto: Devuelve un objeto memoryInfo.

Ejemplo 1: Ejemplo para imprimir el número de tensores asignados.

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs");
 
// Declaring a variable
let res1
   
// Calling tidy method
const res2 = tf.tidy(() => {
      
// Defining result parameter
const result = tf.scalar(121);
      
// Calling tf.keep() method
res1 = tf.keep(result.sqrt());
 
});
   
// Printing the number of tensors allocated at this time
console.log('numTensors: ' + tf.memory().numTensors);

Producción:

numTensors: 1

Ejemplo 2:

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs");
 
// Declaring a variable
let res1;
   
// Calling tidy method
const res2 = tf.tidy(() => {
  console.log('numTensors (in tidy) : ' + tf.memory().numTensors);
      
  // Calling tf.keep() method with its
  // parameter
  res1 = tf.keep(tf.tensor1d(
    [1.3, 0.5, 0, NaN, null, -.5]).cos());
});
 
// Printing memory information
console.log('numBytes : ' + tf.memory().numBytes);
console.log('numTensors (outside tidy): ' + tf.memory().numTensors);
console.log('numDataBuffers : ' + tf.memory().numDataBuffers);

Producción:

numTensors (in tidy) : 1
numBytes : 28
numTensors (outside tidy): 2
numDataBuffers : 2

Referencia: https://js.tensorflow.org/api/latest/#memory