Hacktoberfest 2026: as issues que os mantenedores marcaram para outubro, abertas e boas para iniciantes. Ver issues do Hacktoberfest

Ability to define number of CPU/GPUs to be used when creating the TF Session

Aberta
#136 0 comentários 0 reações 0 responsáveis Ver no GitHub

Ninguém assumiu esta issue ainda.

Avaliação

Dificuldade
5/5
Tempo estimado
Mais de uma semana
Facilidade para iniciantes
25/100
Tipo de issue
Funcionalidade
Clareza
Precisa de esclarecimento
Status de atividade
Estagnada
Stack de tecnologia
scala, spark, tensorflow

Direção de pesquisa

Comece localizando onde tensorframes cria a TensorFlow Session dentro dos nós executor do Spark e, em seguida, leia o tratamento dos recursos e da configuração ao redor. Defina como os chamadores especificariam as quantidades de CPU e GPU e como a conclusão deveria ser verificada sem reivindicar recursos de workloads não relacionados; o issue não nomeia arquivos nem testes, portanto o ponto de entrada relevante e a abordagem de validação devem ser estabelecidos primeiro.

Escrita pelo modelo de indexação a partir do texto da issue.

Descrição

Tensorflow provides means to specify the number of CPU/GPUs to be used for each Session. Otherwise, it will try to use all CPUs available in the machine. Currently tensorframes does provide any means to specify this information and it ends up tensorflow using all the CPU cores in the executor nodes. This is more problematic when an executor has more than one cores assigned which results in more contention. An alternative would be to set only one core for each executor but this is not optimal in mix workloads where CNN inference is only a part of the workload.

Linguagem predominante
Scala
Estrelas
743
Forks
158
Métricas de merge de PRs
Nenhum PR com merge em 30d

Preparar o ambiente

  • Inclui um Dockerfile ou arquivo Docker Compose
  • Sem modelo de pull request
  • Sem guia de contribuição

Primeiros passos

  1. Leia a issue inteira e depois o guia de contribuição do projeto.
  2. Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
  3. Faça um fork do repositório e trabalhe em uma branch.
  4. Abra um pull request que referencie o número da issue.

Mais de databricks/tensorframes

Todas as issues de databricks/tensorframes

Issues semelhantes

Mais issues de Scala

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.