小编aht*_*aht的帖子

部署独立容器时，我可以使用自定义选项将 /dev/shm 挂载为 tmpfs，如下所示：

docker run --name my-container -v /dev/shm --tmpfs /dev/shm:rw,nosuid,nodev,exec,size=90g my-image

但是，在使用docker stack deploy. 此处的文档中似乎没有任何相关信息。与以下docker-compose.yml

version: '3.6'
services:
  master:
  image: "my-image"
  ports:
   - "8080:8080"
  volumes:
   - type: tmpfs
     target: /dev/shm

/dev/shm使用默认选项安装。如何使用/dev/shm选项安装？(rw,nosuid,nodev,exec,size=90g)docker stack deploy

我正在使用 TensorFlow Dataset API 来解析 CSV 文件并运行逻辑回归。我下面从TF文件的例子在这里。

以下代码片段显示了我如何设置模型：

def input_fn(path, num_epochs, batch_size):
    dataset = tf.data.TextLineDataset(path)
    dataset = dataset.map(parse_table, num_parallel_calls=12)
    dataset = dataset.repeat(num_epochs)
    dataset.batch(batch_size)

    iterator = dataset.make_one_shot_iterator()
    features, labels = iterator.get_next()
    return features, labels

def parse_table(value):
    cols = tf.decode_csv(value, record_defaults=TAB_COLUMN_DEFAULTS)
    indep_vars = dict(zip(CSV_COLS, cols))
    y = indep_vars.pop('y')
    return indep_vars, y

def build_indep_vars():
    continuous_vars = [
        tf.feature_column.numeric_column(x, shape=1) for x in CONT_COLS]
    categorical_vars = [
        tf.feature_column.categorical_column_with_hash_bucket(
            x, hash_bucket_size=100) for x in CAT_COLS]
    return categorical_vars + continuous_vars

调用时lr.train(input_fn = lambda: …