life_of_a_computation.md

Ciclo de vida de uma computação

[TOC]

Execução de uma função do Python no TFF

Este exemplo serve para destacar como uma função do Python se torna uma computação do TFF e como a computação é avaliada pelo TFF.

Pela perspectiva de usuário:

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. Escreva uma função do Python.

2. Decore a função do Python com @tff.tf_computation.

   Observação: por enquanto, só é importante que a função do Python seja decorada, e não as especificidades do decorador em si. Isso será explicado com maiores detalhes abaixo.

3. Defina um contexto do TFF.

4. Invoque a função do Python.

Pela perspectiva do TFF:

Quando o código Python é processado, o decorador @tff.tf_computation faz o tracing da função do Python e constrói uma computação do TFF.

Quando a função do Python é invocada, a computação do TFF que é invocada, e o TFF vai compilar e executar a computação no contexto definido.

TF x TFF x 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 – Descrever o exemplo TF x TFF x Python.