Question

我很困惑在编写新操作时何时需要考虑线程安全问题。

在TensorFlow的How-to add a new op guide,中，我读了下面的句子，提醒用户添加互斥锁以防止数据竞争。

重要提示：可以同时访问OpKernel的实例。您的Compute方法必须是线程安全的。保护任何使用互斥锁访问类成员（或者更好的是，不要共享状态通过班级成员！考虑使用ResourceMgr来跟踪Op 状态）。

但是，在同一网页中关于how to add attr to op,的后续文字中，我发现类成员int preserve_index_;在给定的代码段中不受互斥锁保护：

class ZeroOutOp : public OpKernel {
 public:
  explicit ZeroOutOp(OpKernelConstruction* context) : OpKernel(context) {
    // Get the index of the value to preserve
    OP_REQUIRES_OK(context,
                   context->GetAttr("preserve_index", &preserve_index_));
    // Check that preserve_index is positive
    OP_REQUIRES(context, preserve_index_ >= 0,
                errors::InvalidArgument("Need preserve_index >= 0, got ",
                                        preserve_index_));
  }
  void Compute(OpKernelContext* context) override {
    // ...
  }
 private:
  int preserve_index_;
};

那么，TensorFlow中是否有任何隐式机制来保护名为＆＃34; preserve_index _＆＃34;的变量。来自数据竞赛？如果是，您能告诉我相应代码的位置，以确保该变量的线程安全吗？

提前致谢！

Answer 1

请注意，文档说明＆＃34; Compute＆＃34;方法必须是线程安全的。如果在OpKernel的Compute函数中，变量被修改，则需要互斥锁，因为多个线程可以在同一个OpKernel对象上调用Compute（）。

在此示例中，preserve_index_是在构造OpKernel期间设置的成员变量，而不是Compute方法。只能从一个线程（创建该唯一对象的线程）访问对象的构造函数，因此不需要保护该变量。之后，该对象在Compute（）中是只读的，因此不需要互斥锁。

TensorFlow：添加新Op时类成员的线程安全性

1 个答案: