Tensorflow.js tf. Clase de entorno

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 clase tf.Environment() incluye banderas evaluadas y la plataforma registrada. Siempre se utiliza como un singleton global y se puede restaurar desde la función tf.env() .

Esta clase de entorno contiene cinco funciones integradas que se ilustran a continuación:  

• Función tf.Environment class .disposeVariables()
• Función tf.Environment class .enableDebugMode()
• Función tf.Environment class .enableProdMode()
• Función tf.Environment class .engine()
• Función tf.Environment class .env()

La función tf.Environment class .disposeVariables() se usa para deshacerse de cada variable almacenada en el motor de back-end.

Ejemplo 1:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Declaring a variable
var x = tf.tensor([1, 2, 3, 4]);
 
// Calling disposeVariables() method
tf.disposeVariables();
 
// Printing output
console.log("Variables disposed.")

Producción:

Variables disposed.

 La función tf.Environment class .enableDebugMode() se usa para habilitar el modo de depuración que registraría datos con respecto a cada kernel ejecutado, es decir, el tiempo de ejecución de la implementación del kernel, incluido el rango, el tamaño y la forma del tensor resultante. . 

Ejemplo 2:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Calling enableDebugMode() method
await tf.enableDebugMode();
 
// Setting prod mode of the
// environment
tf.env().set('PROD', false);
 
// Printing output
console.log(tf.env().flags);

Producción:

{
  "IS_BROWSER": true,
  "IS_NODE": false,
  "DEBUG": true,
  "CPU_HANDOFF_SIZE_THRESHOLD": 128,
  "PROD": false
}

La función tf.Environment class .enableProdMode() se utiliza para habilitar el modo de producción que desactiva las restricciones de exactitud en apoyo de la producción.

Ejemplo 3:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Calling enableProdMode() method
await tf.enableProdMode();
 
// Setting debug mode of the
// environment
tf.env().set('DEBUG', false);
 
// Printing output
console.log(tf.env().flags);

Producción:

{
  "IS_BROWSER": true,
  "IS_NODE": false,
  "DEBUG": false,
  "CPU_HANDOFF_SIZE_THRESHOLD": 128,
  "PROD": true,
  "WEBGL_VERSION": 2,
  "HAS_WEBGL": true,
  "WEBGL_CHECK_NUMERICAL_PROBLEMS": false,
  "IS_TEST": false,
  "WEBGL_CPU_FORWARD": true,
  "WEBGL_MAX_TEXTURE_SIZE": 16384,
  "WEBGL_FORCE_F16_TEXTURES": true,
  "WEBGL_RENDER_FLOAT32_CAPABLE": true,
  "WEBGL_RENDER_FLOAT32_ENABLED": true,
  "WEBGL_FLUSH_THRESHOLD": -1,
  "WEBGL_PACK": true,
  "WEBGL_LAZILY_UNPACK": true,
  "WEBGL_DELETE_TEXTURE_THRESHOLD": -1,
  "WEBGL_PACK_BINARY_OPERATIONS": true,
  "WEBGL_USE_SHAPES_UNIFORMS": false,
  "WEBGL_PACK_UNARY_OPERATIONS": true,
  "WEBGL_DOWNLOAD_FLOAT_ENABLED": true,
  "WEBGL_CONV_IM2COL": true,
  "WEBGL_PACK_DEPTHWISECONV": true,
  "WEBGL_MAX_TEXTURES_IN_SHADER": 16,
  "WEBGL_PACK_ARRAY_OPERATIONS": true
}

 La función tf.Environment class .engine() se utiliza para devolver el motor global que guarda la ruta de cada tensor, así como los backends.

Ejemplo 4:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Calling engine() and startScope()
// method
tf.engine().startScope(); 
 
// Calling ones() method
const res = tf.ones([200, 250]);
 
// Printing output
console.log(res);

Producción:

Tensor
    [[1, 1, 1, ..., 1, 1, 1],
     [1, 1, 1, ..., 1, 1, 1],
     [1, 1, 1, ..., 1, 1, 1],
     ...,
     [1, 1, 1, ..., 1, 1, 1],
     [1, 1, 1, ..., 1, 1, 1],
     [1, 1, 1, ..., 1, 1, 1]]

 La función tf.Environment class .env() se utiliza para devolver el entorno actual, es decir, una entidad global. Además, el objeto del entorno incluye los valores de los atributos evaluados junto con la plataforma dinámica. 

Ejemplo 5:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Calling env() and getBool() method
// along with its parameter
const res = tf.env().getBool('WEBGL_RENDER_FLOAT32_ENABLED');
 
// Printing output
console.log(res);

Producción:

true

Referencia: https://js.tensorflow.org/api/latest/#class:Environment