Python Tensorflow/XLA：LLVM IR中的并行操作数 我对LVVM IR感兴趣，它是用 -xLaAudipPixIrto到标志启动TysFraseFraseTM程序，特别是我想探讨XLA如何处理并行化。p>

我有一个测试程序在一台有56个CPU的机器上运行，在生成的

.ll

文件中显示了一个并行化函数，正如预期的那样：

call void @__xla_cpu_runtime_ParallelForkJoin(i8* %6, i8* %run_options, i8** null, i8** %buffer_table, i64* %prof_counters, i32 56, i64* getelementptr inbounds ([224 x i64], [224 x i64]* @parallel_convolution_parallel_dimension_partitions, i32 0, i32 0), i32 2, i8* bitcast (void (i8*, i8*, i8**, i8**, i64*, i64*)* @parallel_convolution to i8*))

查看XLA源代码中的

ParallelForkJoin

函数，这里有一个输入参数

num_partitions

，设置为56

现在我想得到一个类似的结果，它只使用一些可用的CPU，因此我在python程序中添加了以下几行代码（如Tensorflow指南和其他地方所建议的）：

但是生成的

.ll

文件完全相同

为什么呢？我原以为指定不同数量的并行线程会导致参数为5（在本例中）而不是56

---

<> P>一般来说，有没有关于XLA如何提取并行性的文档？

你找到这个问题的答案吗？不是真的。显然，用户不应该处理并行化的细节（我在谷歌组中找到了它），不管怎样，我停止使用XLA，因为一些其他问题。你找到了这个问题的答案吗？不是真的。显然，用户不应该处理并行化的细节（我在谷歌组中找到了一些细节），不管怎样，我还是停止了使用XLA的一些其他问题。

config = tf.ConfigProto()
config.intra_op_parallelism_threads = 5
config.inter_op_parallelism_threads = 5
tf.Session(config=config)