简介【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow功能说明开发者在AI处理器上通过Estimator模式进行模型训练或在线推理时可通过NPURunConfig类的构造函数指定Estimator的运行配置。NPURunConfig类继承了tf.estimator的RunConfig类关于对RunConfig类原生接口的支持情况可参见RunConfig参数支持说明。函数原型您可以在TensorFlow Adapter软件安装路径下的python/site-packages/npu_bridge/estimator/npu/npu_config.py文件中查看NPURunConfig的原型定义示例如下class NPURunConfig(run_config_lib.RunConfig): def __init__(self, iterations_per_loop1, profiling_configNone, model_dirNone, tf_random_seedNone, save_summary_steps0, save_checkpoints_stepsNone, save_checkpoints_secsNone, ... )NPURunConfig支持的详细参数请以后面章节的参数说明为准。使用约束使用多Device执行训练的场景下不支持使用按时间保存文件的参数save_checkpoints_secs。返回值返回NPURunConfig类对象作为NPUEstimator的初始化参数传入。调用示例NPURunConfig配置的通用使用方式如下所示from npu_bridge.npu_init import * session_configtf.ConfigProto() config NPURunConfig( session_configsession_config, mix_compile_modeFalse, iterations_per_loop1000)【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN/TensorFlow NPURunConfig构造函数简介
发布时间：2026/6/27 21:41:11
简介【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow功能说明开发者在AI处理器上通过Estimator模式进行模型训练或在线推理时可通过NPURunConfig类的构造函数指定Estimator的运行配置。NPURunConfig类继承了tf.estimator的RunConfig类关于对RunConfig类原生接口的支持情况可参见RunConfig参数支持说明。函数原型您可以在TensorFlow Adapter软件安装路径下的python/site-packages/npu_bridge/estimator/npu/npu_config.py文件中查看NPURunConfig的原型定义示例如下class NPURunConfig(run_config_lib.RunConfig): def __init__(self, iterations_per_loop1, profiling_configNone, model_dirNone, tf_random_seedNone, save_summary_steps0, save_checkpoints_stepsNone, save_checkpoints_secsNone, ... )NPURunConfig支持的详细参数请以后面章节的参数说明为准。使用约束使用多Device执行训练的场景下不支持使用按时间保存文件的参数save_checkpoints_secs。返回值返回NPURunConfig类对象作为NPUEstimator的初始化参数传入。调用示例NPURunConfig配置的通用使用方式如下所示from npu_bridge.npu_init import * session_configtf.ConfigProto() config NPURunConfig( session_configsession_config, mix_compile_modeFalse, iterations_per_loop1000)【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
