Tensorflow.js tf.Environment 类

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。 tf.Environment() 类包括评估标志和注册平台。它每次都像全局单例一样使用，并且可以从tf.env()函数中恢复。

这个 Environment 类包含五个内置函数，如下所示：

• tf.Environment 类 .disposeVariables()函数
• tf.Environment 类 .enableDebugMode()函数
• tf.Environment 类 .enableProdMode()函数
• tf.Environment 类 .engine()函数
• tf.Environment 类 .env()函数

tf.Environment 类 .disposeVariables()函数用于处理存储在后端引擎中的每个变量。

示例 1：

Javascript

// 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.")

输出：

Variables disposed.

tf.Environment 类 .enableDebugMode()函数用于启用调试模式，该模式将注册有关每个已执行内核的数据，即内核实现的运行时间，包括排名、大小以及结果张量的形状.

示例 2：

Javascript

// 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);

输出：

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

tf.Environment 类 .enableProdMode()函数用于启用生产模式，该模式取消激活支持生产的精确性约束。

示例 3：

Javascript

// 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);

输出：

{
  "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
}

tf.Environment 类 .engine()函数是 用于返回保存每个张量和后端路径的全局引擎。

示例 4：

Javascript

// 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);

输出：

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]]

tf.Environment 类 .env()函数用于返回当前环境，即一个全局实体。此外，环境对象包括评估的属性值以及动态平台。

示例 5：

Javascript

// 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);

输出：

true

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