知识卡片
推理图的并发状态
如果多个请求共享一张会修改节点值和缓存的计算图,且服务允许多个工作线程并发执行,输入赋值和前向计算可能互相覆盖。书中服务实例持有同一输入、输出节点并配置线程池,工程化时需隔离每次推理状态或采用适当同步;还需明确模型版本与输入输出契约。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 模型保存、预测和服务 10.3 模型服务 · 查看原书依据
self.input_node.set_value(mat.T)
参考来源
- 位置:《用Python实现深度学习框架》第10章《模型保存、预测和服务》,10.3 模型服务(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_086.html`)
- 结论依据:原文展示服务签名、RPC 协议及共享图与线程池代码;并发风险是对代码状态与执行方式的推断。
- 原始内容:self.input_node.set_value(mat.T)。