MemoryConfig构造函数

功能说明

MemoryConfig类的构造函数，用于配置系统内存使用方式。

函数原型

def __init__(self,
atomic_clean_policy=0,
static_memory_policy=0
)

参数说明

参数名	输入/输出	描述
atomic_clean_policy	输入	是否集中清理网络中所有atomic算子占用的内存，取值包括： 0：集中清理，默认为0。 1：单独清理，对网络每一个atomic算子进行单独清零。当网络中内存超限时，可尝试此种清理方式，但可能会导致一定的性能损耗。
static_memory_policy	输入	网络运行时使用的内存分配方式。 0：动态分配内存，即按照实际大小动态分配。 2：静态shape支持内存动态扩展。训练与在线推理场景下，可以通过此取值实现同一session中多张图之间的内存复用，即以最大图所需内存进行分配。例如，假设当前执行图所需内存超过前一张图的内存时，直接释放前一张图的内存，按照当前图所需内存重新分配。 3：动态shape支持内存动态扩展，解决内存动态分配时的碎片问题，降低动态shape网络内存占用。 4：静态shape和动态shape同时支持内存动态扩展。默认值是0。说明：多张图并发执行时，不支持配置为“2”。为兼容历史版本配置，配置为“1”的场景下，系统会按照“2”动态扩展内存的方式进行处理。

参数名

输入/输出

描述

atomic_clean_policy

输入

是否集中清理网络中所有atomic算子占用的内存，取值包括：

0：集中清理，默认为0。
1：单独清理，对网络每一个atomic算子进行单独清零。当网络中内存超限时，可尝试此种清理方式，但可能会导致一定的性能损耗。

static_memory_policy

输入

网络运行时使用的内存分配方式。

0：动态分配内存，即按照实际大小动态分配。
2：静态shape支持内存动态扩展。训练与在线推理场景下，可以通过此取值实现同一session中多张图之间的内存复用，即以最大图所需内存进行分配。例如，假设当前执行图所需内存超过前一张图的内存时，直接释放前一张图的内存，按照当前图所需内存重新分配。
3：动态shape支持内存动态扩展，解决内存动态分配时的碎片问题，降低动态shape网络内存占用。
4：静态shape和动态shape同时支持内存动态扩展。

默认值是0。

说明：

多张图并发执行时，不支持配置为“2”。
为兼容历史版本配置，配置为“1”的场景下，系统会按照“2”动态扩展内存的方式进行处理。

返回值

返回MemoryConfig类对象，作为NPURunConfig的参数传入。

约束说明

无。

调用示例

      
           from npu_bridge.npu_init import *
...
mem_config = MemoryConfig(atomic_clean_policy=0, static_memory_policy=0)
session_config=tf.ConfigProto(allow_soft_placement=True)
config = NPURunConfig(memory_config=mem_config, session_config=session_config)

父主题： npu_bridge.estimator.npu.npu_config