init_graph

tflearn.config.init_graph (seed=None, log_device=False, num_cores=0, gpu_memory_fraction=0, soft_placement=True)

根據特定參數初始化一個圖形。

參數

seed: int。設定圖形隨機種子。
log_device: bool。記錄裝置配置與否。
num_cores: 要使用的 CPU 核心數。預設值：全部。
gpu_memory_fraction: 值介於 0 至 1 之間，表示要為每個處理預先配置可用 GPU 記憶體的多大比例。1 表示預先配置所有 GPU 記憶體，0.5 表示處理預先配置約 50% 的可用 GPU 記憶體。預設值：使用 GPU 全部可用的記憶體。
soft_placement: bool。是否允許軟置放。若為 True，則當有以下狀況時，操作會配置在 CPU 上： 1. 操作沒有 GPU 實作 - 或 2. 沒有已知或已註冊的 GPU 裝置 - 或 3. 需要與來自 CPU 的 reftype 輸入共置。

is_training

tflearn.config.is_training (is_training=False, session=None)

設定圖形訓練模式。

這用於控制在訓練和測試時間具有不同輸出的操作，例如中斷或批次正規化，

範例

>> # Retrieve variable responsible for managing training mode
>> training_mode = tflearn.get_training_mode()
>> # Define a conditional op
>> my_conditional_op = tf.cond(training_mode, if_yes_op, if_no_op)
>> # Set training mode to True
>> tflearn.is_training(True)
>> session.run(my_conditional_op)
if_yes_op
>> # Set training mode to False
>> tflearn.is_training(False)
>> session.run(my_conditional_op)
if_no_op

傳回值

bool，若為訓練模式則為 True，否則為 False。

get_training_mode

tflearn.config.get_training_mode ()

傳回目前使用的變數來設定訓練模式。

傳回值

Variable，訓練模式持有者。