life_of_a_computation.md

Computation の寿命

[TOC]

TFF で Python 関数を実行する

この例では、Python 関数が TFF computation になる過程と computation が TFF によってどのように評価されるかを簡単に説明します。

ユーザーの観点から見た計算:

tff.backends.native.set_sync_local_cpp_execution_context()  # 3

@tff.tf_computation(tf.int32)  # 2
def add_one(x):  # 1
  return x + 1

result = add_one(2) # 4

1. Python 関数を書きます。

2. Python 関数を @tff.tf_computation でデコレートします。

   注意: 現時点では、Python 関数がデコレートされていることが重要であって、具体的なデコレータ自体は重要ではありません。これについては、以下で詳しく説明します。

3. TFF のコンテキストを設定します。

4. Python 関数を呼び出します。

TFF の観点から見た計算:

Python が構文解析される際、@tff.tf_computation デコレータは Python 関数をトレースして TFF computation を構築します。

デコレートされた Python 関数が呼び出されると、呼び出されるのは TFF computation であり、TFF はその computation を設定されたコンテキストでコンパイルして実行します。

TF と TFF と Python

tff.backends.native.set_sync_local_cpp_execution_context()

@tff.tf_computation(tf.int32)
def add_one(x):
  return x + 1

@tff.federated_computation(tff.type_at_clients(tf.int32))
def add_one_to_all_clients(values):
  return tff.federated_map(add_one, values)

values = [1, 2, 3]
values = add_one_to_all_clients(values)
values = add_one_to_all_clients(values)
>>> [3, 4, 5]

TODO(b/153500547): TF と TFF と Python の例を説明してください。