`मूल्य` में `पूर्वाग्रह` जोड़ता है।
यह tf.add
का एक विशेष मामला है जहां `पूर्वाग्रह` 1-डी तक सीमित है। प्रसारण समर्थित है, इसलिए `मान` के कई आयाम हो सकते हैं।
नेस्टेड क्लासेस
कक्षा | पूर्वाग्रह जोड़ें.विकल्प | BiasAdd के लिए वैकल्पिक विशेषताएँ |
स्थिरांक
डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
आउटपुट <T> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
स्थिर <T टीटाइप का विस्तार करता है > BiasAdd <T> | |
स्थैतिक पूर्वाग्रह जोड़ें.विकल्प | डेटाफ़ॉर्मेट (स्ट्रिंग डेटाफ़ॉर्मेट) |
आउटपुट <T> | आउटपुट () `मूल्य` और `पूर्वाग्रह` का प्रसारित योग। |
विरासत में मिली विधियाँ
बूलियन | बराबर (ऑब्जेक्ट arg0) |
अंतिम कक्षा<?> | गेटक्लास () |
int यहाँ | हैश कोड () |
अंतिम शून्य | सूचित करें () |
अंतिम शून्य | सभी को सूचित करें () |
डोरी | स्ट्रिंग () |
अंतिम शून्य | प्रतीक्षा करें (लंबा arg0, int arg1) |
अंतिम शून्य | प्रतीक्षा करें (लंबा arg0) |
अंतिम शून्य | इंतज़ार () |
सार निष्पादन वातावरण | एनवी () उस निष्पादन वातावरण को लौटाएँ जिसमें यह ऑप बनाया गया था। |
सार संचालन |
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
सार्वजनिक तरीके
सार्वजनिक आउटपुट <T> asOutput ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के इनपुट किसी अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
सार्वजनिक स्थैतिक पूर्वाग्रह जोड़ें <T> बनाएं ( स्कोप स्कोप, ऑपरेंड <T> मान, ऑपरेंड <T> पूर्वाग्रह, विकल्प... विकल्प)
एक नया BiasAdd ऑपरेशन लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
दायरा | वर्तमान दायरा |
---|---|
कीमत | आयामों की कोई भी संख्या. |
पक्षपात | आकार के साथ 1-डी `मूल्य` का अंतिम आयाम। |
विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- BiasAdd का एक नया उदाहरण
सार्वजनिक स्थैतिक BiasAdd.Options डेटाफ़ॉर्मेट (स्ट्रिंग डेटाफ़ॉर्मेट)
पैरामीटर
डेटा स्वरूप | इनपुट और आउटपुट डेटा का डेटा प्रारूप निर्दिष्ट करें। डिफ़ॉल्ट प्रारूप "एनएचडब्ल्यूसी" के साथ, बायस टेंसर को वैल्यू टेंसर के अंतिम आयाम में जोड़ा जाएगा। वैकल्पिक रूप से, प्रारूप "एनसीएचडब्ल्यू" हो सकता है, डेटा भंडारण क्रम: [बैच, इन_चैनल्स, इन_हाइट, इन_विड्थ]। टेंसर को "in_channels", तीसरे से अंतिम आयाम तक जोड़ा जाएगा। |
---|