Tensorflow.js tf.memory()函数

Tensorflow.js 是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

Tensorflow.js tf.memory()函数用于获取程序当前时间的内存信息。此函数返回具有以下属性的 memoryInfo 对象：

• numBytes：它指定 当前分配的未处理字节数。
• numTensors：它指定分配的唯一张量的数量。
• numDataBuffers ：它指定当前时间分配的未处理的唯一数据缓冲区的数量，该数量大于或等于张量的数量。
• 不可靠：不可靠是 仅当内存使用不可靠时才为真。
• 原因：它指定了一个字符串数组，表示内存不可靠的原因。

WebGL 属性：

• numBytesInGPU：它指定当前时间在GPU中分配的未处理字节的总数。

句法：

tf.memory() 

参数：此函数不接受任何参数。

返回值：它返回一个 memoryInfo 对象。

示例 1：打印分配张量的编号示例。

Javascript

// 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);

输出：

numTensors: 1

示例 2：

Javascript

// 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);

输出：

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

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