По некоторым причинам мне нужно реализовать собственный ресурс для Tensorflow.Я пытался получить вдохновение от реализаций справочных таблиц.Если я правильно понял, мне нужно реализовать 3 операции TF:
- создание моего ресурса
- инициализация ресурса (например, заполнение хеш-таблицы в случае таблицы поиска)
- реализация шага поиска / поиска / запроса.
Чтобы упростить реализацию, я полагаюсь на tensorflow/core/framework/resource_op_kernel.h
.Я получаю следующую ошибку
[F tensorflow/core/lib/core/refcount.h:90] Check failed: ref_.load() == 0 (1 vs. 0)
1] 29701 abort python test.py
Вот полный код для воспроизведения проблемы:
using namespace tensorflow;
/** CUSTOM RESOURCE **/
class MyVector : public ResourceBase {
public:
string DebugString() override { return "MyVector"; };
private:
std::vector<int> vec_;
};
/** CREATE VECTOR **/
REGISTER_OP("CreateMyVector")
.Attr("container: string = ''")
.Attr("shared_name: string = ''")
.Output("resource: resource")
.SetIsStateful();
class MyVectorOp : public ResourceOpKernel<MyVector> {
public:
explicit MyVectorOp(OpKernelConstruction* ctx) : ResourceOpKernel(ctx) {}
private:
Status CreateResource(MyVector** resource) override {
*resource = CHECK_NOTNULL(new MyVector);
if(*resource == nullptr) {
return errors::ResourceExhausted("Failed to allocate");
}
return Status::OK();
}
Status VerifyResource(MyVector* vec) override {
return Status::OK();
}
};
REGISTER_KERNEL_BUILDER(Name("CreateMyVector").Device(DEVICE_CPU), MyVectorOp)
, а затем, после компиляции, ошибка может быть воспроизведена с помощью этого фрагмента кода Python:
test_module = tf.load_op_library('./test.so')
my_vec = test_module.create_my_vector()
with tf.Session() as s:
s.run(my_vec)
В качестве дополнительного вопроса мне было бы интересно иметь учебные пособия / руководства по реализации пользовательских ресурсов.В частности, я хотел бы получить информацию о том, что необходимо реализовать для контрольных точек / экспорта графиков / сериализации / и т. Д.
Большое спасибо.