Halaman ini diterjemahkan oleh Cloud Translation API.

aliran tensor:: Tensor

#include <tensor.h>

Mewakili array nilai n-dimensi.

Ringkasan

Konstruktor dan Destruktor
`Tensor ()` Membuat tensor float 1 dimensi dengan 0 elemen.
`Tensor (DataType type, const TensorShape & shape)` Membuat Tensor dengan `type` dan `shape` tertentu.
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` Membuat tensor dengan `type` dan `shape` masukan, menggunakan pengalokasi `a` untuk mengalokasikan buffer yang mendasarinya.
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` Membuat tensor dengan `type` dan `shape` masukan, menggunakan pengalokasi `a` dan "allocation_attr" yang ditentukan untuk mengalokasikan buffer yang mendasarinya.
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` Membuat tensor dengan tipe data input, bentuk, dan buf.
`Tensor (DataType type)` Membuat Tensor kosong dari tipe data tertentu.
`Tensor (float scalar_value)`
`Tensor (double scalar_value)`
`Tensor (int32 scalar_value)`
`Tensor (uint32 scalar_value)`
`Tensor (uint16 scalar_value)`
`Tensor (uint8 scalar_value)`
`Tensor (int16 scalar_value)`
`Tensor (int8 scalar_value)`
`Tensor (tstring scalar_value)`
`Tensor (complex64 scalar_value)`
`Tensor (complex128 scalar_value)`
`Tensor (int64 scalar_value)`
`Tensor (uint64 scalar_value)`
`Tensor (bool scalar_value)`
`Tensor (qint8 scalar_value)`
`Tensor (quint8 scalar_value)`
`Tensor (qint16 scalar_value)`
`Tensor (quint16 scalar_value)`
`Tensor (qint32 scalar_value)`
`Tensor (bfloat16 scalar_value)`
`Tensor (Eigen::half scalar_value)`
`Tensor (ResourceHandle scalar_value)`
`Tensor (const char *scalar_value)`
`Tensor (const Tensor & other)` Salin konstruktor.
`Tensor ( Tensor && other)` Pindahkan konstruktor.
`~Tensor ()`

Fungsi publik
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` Mengisi `proto` dengan `*this` .
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` Salin tensor lainnya ke tensor ini, bentuk ulang, dan tafsirkan ulang tipe data buffer.
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` Salin tensor lainnya ke tensor ini dan bentuk ulang.
`DebugString (int num_values) const`	`string` Ringkasan tensor yang dapat dibaca manusia dan cocok untuk proses debug.
`DebugString () const`	`string`
`DeviceSafeDebugString () const`	`string`
`FillDescription (TensorDescription *description) const`	`void` Isi proto `TensorDescription` dengan metadata tentang tensor yang berguna untuk pemantauan dan debugging.
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` Parsing `other` dan buat tensornya.
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` Mengembalikan nilai benar jika tensor ini sejajar.
`IsInitialized () const`	`bool` Jika perlu, apakah Tensor ini sudah diinisialisasi?
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` Aksesor praktis untuk bentuk tensor.
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` Iris tensor ini sepanjang dimensi pertama.
`SubSlice (int64 index) const`	`Tensor` Pilih subirisan dari tensor ini sepanjang dimensi pertama.
`SummarizeValue (int64 max_entries, bool print_v2) const`	`string` Render nilai `max_entries` pertama di `*this` menjadi sebuah string.
`TotalBytes () const`	`size_t` Mengembalikan perkiraan penggunaan memori tensor ini.
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` Seperti BitcastFrom, tetapi CHECK gagal jika ada prasyarat yang tidak terpenuhi.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` Kembalikan data tensor ke `Eigen::Tensor` dengan bentuk baru yang ditentukan dalam `new_sizes` dan masukkan ke dtype `T` baru.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` Kembalikan data tensor ke `Eigen::Tensor` dengan bentuk baru yang ditentukan dalam `new_sizes` dan masukkan ke dtype `T` baru.
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` Mengembalikan data tensor ke `Eigen::Tensor` dengan ukuran yang sama tetapi dilemparkan secara bitwise ke dtype `T` yang ditentukan.
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` Mengembalikan data tensor ke `Eigen::Tensor` dengan ukuran yang sama tetapi dilemparkan secara bitwise ke dtype `T` yang ditentukan.
`dim_size (int d) const`	`int64` Aksesor praktis untuk bentuk tensor.
`dims () const`	`int` Aksesor praktis untuk bentuk tensor.
`dtype () const`	`DataType` Mengembalikan tipe data.
`flat ()`	`TTypes< T >::Flat` Mengembalikan data tensor sebagai `Eigen::Tensor` dengan tipe data dan bentuk tertentu.
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan semua dimensi Tensor kecuali NDIMS-1 terakhir ke dalam dimensi pertama hasil.
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan dimensi Tensor 'mulai' pertama ke dalam dimensi pertama hasil dan dimensi Tensor dari dims() - 'mulai' - NDIMS terakhir ke dalam dimensi terakhir dari hasil.
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan semua dimensi Tensor kecuali NDIMS-1 pertama ke dalam dimensi terakhir dari hasil.
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` Tetapkan operator. Tensor ini berbagi penyimpanan dasar lainnya.
`operator= ( Tensor && other)`	`Tensor &` Pindahkan operator. Lihat memindahkan konstruktor untuk detailnya.
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` Mengembalikan data tensor ke `Eigen::Tensor` dengan elemen dimensi terakhir diubah menjadi elemen tunggal bertipe lebih besar.
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` Mengembalikan data tensor ke `Eigen::Tensor` dengan elemen dimensi terakhir diubah menjadi elemen tunggal bertipe lebih besar.
`scalar ()`	`TTypes< T >::Scalar` Menampilkan data Tensor sebagai `TensorMap` dengan ukuran tetap 1: `TensorMap >` `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` Mengembalikan bentuk tensor.
`shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor`
`shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor`
`tensor ()`	`TTypes< T, NDIMS >:: Tensor`
`tensor () const`	`TTypes< T, NDIMS >::ConstTensor`
`tensor_data () const`	`StringPiece` Mengembalikan `StringPiece` yang memetakan buffer tensor saat ini.
`unaligned_flat ()`	`TTypes< T >::UnalignedFlat`
`unaligned_flat () const`	`TTypes< T >::UnalignedConstFlat`
`unaligned_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >::UnalignedTensor`
`unaligned_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::UnalignedConstTensor`
`vec ()`	`TTypes< T >::Vec` Kembalikan data tensor sebagai `Eigen::Tensor` dengan jenis dan ukuran `Tensor` ini.
`vec () const`	`TTypes< T >::ConstVec` Versi const dari semua metode di atas.

Fungsi publik

AlokasiBytes

size_t AllocatedBytes() const

SebagaiProtoField

void AsProtoField(
  TensorProto *proto
) const

Mengisi proto dengan *this .

AsProtoField() mengisi kolom berulang untuk proto.dtype() , sementara AsProtoTensorContent() mengkodekan konten dalam proto.tensor_content() dalam bentuk yang ringkas.

SebagaiProtoTensorContent

void AsProtoTensorContent(
  TensorProto *proto
) const

BitcastDari

Status BitcastFrom(
  const Tensor & other,
  DataType dtype,
  const TensorShape & shape
)

Salin tensor lainnya ke tensor ini, bentuk ulang, dan tafsirkan ulang tipe data buffer.

Jika Status::OK() dikembalikan, kedua tensor kini berbagi penyimpanan dasar yang sama.

Panggilan ini mengharuskan tensor other serta tipe dan bentuk tertentu "kompatibel" (yaitu menempati jumlah byte yang sama).

Secara khusus:

bentuk.num_elements() * DataTypeSize(tipe)

harus sama

other.num_elements() * DataTypeSize(other.dtype())

Selain itu, fungsi ini memerlukan:

DataTypeSize(lainnya.dtype()) != 0
DataTypeSize(tipe) != 0

Jika salah satu persyaratan tidak terpenuhi, error::InvalidArgument dikembalikan.

SalinDari

bool CopyFrom(
  const Tensor & other,
  const TensorShape & shape
) TF_MUST_USE_RESULT

Salin tensor lainnya ke tensor ini dan bentuk ulang.

Tensor ini berbagi penyimpanan dasar lainnya. Mengembalikan true jika other.shape() memiliki jumlah elemen yang sama pada shape yang diberikan.

DebugString

string DebugString(
  int num_values
) const

Ringkasan tensor yang dapat dibaca manusia dan cocok untuk proses debug.

DebugString

string DebugString() const

DeviceSafeDebugString

string DeviceSafeDebugString() const

IsiDeskripsi

void FillDescription(
  TensorDescription *description
) const

Isi proto TensorDescription dengan metadata tentang tensor yang berguna untuk pemantauan dan debugging.

DariProto

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

Parsing other dan buat tensornya.

Mengembalikan true jika penguraian berhasil. Jika penguraian gagal, status *this tidak berubah.

DariProto

bool FromProto(
  Allocator *a,
  const TensorProto & other
) TF_MUST_USE_RESULT

Sejajar

bool IsAligned() const

Mengembalikan nilai benar jika tensor ini sejajar.

Diinisialisasi

bool IsInitialized() const

Jika perlu, apakah Tensor ini sudah diinisialisasi?

Tensor elemen nol selalu dianggap diinisialisasi, meskipun Tensor tersebut belum pernah ditetapkan dan tidak memiliki alokasi memori apa pun.

AdalahUkuran yang Sama

bool IsSameSize(
  const Tensor & b
) const

NomorElemen

int64 NumElements() const

Aksesor praktis untuk bentuk tensor.

BagikanBufferDengan

bool SharesBufferWith(
  const Tensor & b
) const

Mengiris

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

Iris tensor ini sepanjang dimensi pertama.

Yaitu, tensor yang dikembalikan memenuhi return[i, ...] == this[dim0_start + i, ...]. Tensor yang dikembalikan berbagi buffer tensor yang mendasarinya dengan tensor ini.

CATATAN: Tensor yang dikembalikan mungkin tidak memenuhi persyaratan penyelarasan yang sama dengan tensor ini, bergantung pada bentuknya. Pemanggil harus memeriksa penyelarasan tensor yang dikembalikan sebelum memanggil metode tertentu yang memiliki persyaratan penyelarasan (misalnya, flat() , tensor() ).

CATATAN: Saat diumpankan dengan tensor berdimensi N, metode ini akan mengembalikan tensor juga dengan dimensi N. Jika Anda ingin memilih sub tensor, lihat SubSlice.

MEMBUTUHKAN: dims() >= 1 MEMBUTUHKAN: 0 <= dim0_start <= dim0_limit <= dim_size(0)

Subirisan

Tensor SubSlice(
  int64 index
) const

Pilih subirisan dari tensor ini sepanjang dimensi pertama.

Saat diumpankan dengan tensor berdimensi N, metode ini akan mengembalikan tensor dengan dimensi N-1, dengan tensor yang dikembalikan adalah subbagian dari tensor masukan sepanjang dimensi pertama. Dimensi N-1 dari tensor yang dikembalikan adalah dimensi N-1 terakhir dari tensor masukan.

MEMBUTUHKAN: dims() >= 1 MEMBUTUHKAN: 0 <= dim0_start < dim_size(0)

MeringkasNilai

string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

Render nilai max_entries pertama di *this menjadi sebuah string.

Tensor

 Tensor()

Membuat tensor float 1 dimensi dengan 0 elemen.

Tensor yang dikembalikan bukanlah skalar (bentuk {}), melainkan Tensor satu dimensi kosong (bentuk {0}, NumElements() == 0). Karena tidak memiliki elemen, maka tidak perlu diberi nilai dan diinisialisasi secara default ( IsInitialized() bernilai true). Jika hal ini tidak diinginkan, pertimbangkan untuk membuat skalar satu elemen yang memerlukan inisialisasi:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

Membuat Tensor dengan type dan shape tertentu.

Jika LogMemory::IsEnabled() alokasi dicatat berasal dari kernel dan langkah yang tidak dikenal. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

Buffer yang mendasarinya dialokasikan menggunakan CPUAllocator .

Tensor

 Tensor(
  Allocator *a,
  DataType type,
  const TensorShape & shape
)

Membuat tensor dengan type dan shape masukan, menggunakan pengalokasi a untuk mengalokasikan buffer yang mendasarinya.

Jika LogMemory::IsEnabled() alokasi dicatat berasal dari kernel dan langkah yang tidak diketahui. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

a hidup lebih lama dari masa pakai Tensor ini.

Tensor

 Tensor(
  Allocator *a,
  DataType type,
  const TensorShape & shape,
  const AllocationAttributes & allocation_attr
)

Membuat tensor dengan type dan shape masukan, menggunakan pengalokasi a dan "allocation_attr" yang ditentukan untuk mengalokasikan buffer yang mendasarinya.

Jika kernel dan langkahnya diketahui, alokasi_attr.allocation_will_be_logged harus disetel ke true dan LogMemory::RecordTensorAllocation harus dipanggil setelah tensor dibuat. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

a hidup lebih lama dari masa pakai Tensor ini.

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape,
  TensorBuffer *buf
)

Membuat tensor dengan tipe data input, bentuk, dan buf.

Mengakuisisi referensi pada buf milik Tensor ini.

Tensor

 Tensor(
  DataType type
)

Membuat Tensor kosong dari tipe data tertentu.

Seperti Tensor() , mengembalikan Tensor 1 dimensi, 0 elemen dengan IsInitialized() mengembalikan True. Lihat dokumentasi Tensor() untuk mengetahui detailnya.

Tensor

 Tensor(
  float scalar_value
)

Tensor

 Tensor(
  double scalar_value
)

Tensor

 Tensor(
  int32 scalar_value
)

Tensor

 Tensor(
  uint32 scalar_value
)

Tensor

 Tensor(
  uint16 scalar_value
)

Tensor

 Tensor(
  uint8 scalar_value
)

Tensor

 Tensor(
  int16 scalar_value
)

Tensor

 Tensor(
  int8 scalar_value
)

Tensor

 Tensor(
  tstring scalar_value
)

Tensor

 Tensor(
  complex64 scalar_value
)

Tensor

 Tensor(
  complex128 scalar_value
)

Tensor

 Tensor(
  int64 scalar_value
)

Tensor

 Tensor(
  uint64 scalar_value
)

Tensor

 Tensor(
  bool scalar_value
)

Tensor

 Tensor(
  qint8 scalar_value
)

Tensor

 Tensor(
  quint8 scalar_value
)

Tensor

 Tensor(
  qint16 scalar_value
)

Tensor

 Tensor(
  quint16 scalar_value
)

Tensor

 Tensor(
  qint32 scalar_value
)

Tensor

 Tensor(
  bfloat16 scalar_value
)

Tensor

 Tensor(
  Eigen::half scalar_value
)

Tensor

 Tensor(
  ResourceHandle scalar_value
)

Tensor

 Tensor(
  const char *scalar_value
)

Tensor

 Tensor(
  const Tensor & other
)

Salin konstruktor.

Tensor

 Tensor(
  Tensor && other
)

Pindahkan konstruktor.

Setelah panggilan ini, dapat dirusak dengan aman dan dapat ditugaskan, tetapi panggilan lain ke dalamnya (misalnya manipulasi bentuk) tidak valid.

TotalByte

size_t TotalBytes() const

Mengembalikan perkiraan penggunaan memori tensor ini.

Salinan Tidak AmanDariInternal

void UnsafeCopyFromInternal(
  const Tensor & other,
  DataType dtype,
  const TensorShape & shape
)

Seperti BitcastFrom, tetapi CHECK gagal jika ada prasyarat yang tidak terpenuhi.

Tidak digunakan lagi. Gunakan BitcastFrom sebagai gantinya dan periksa Status yang dikembalikan.

bit_casted_shape

TTypes< T, NDIMS >::Tensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

Kembalikan data tensor ke Eigen::Tensor dengan bentuk baru yang ditentukan dalam new_sizes dan masukkan ke dtype T baru.

Menggunakan bitcast berguna untuk operasi pemindahan dan penyalinan. Bitcast yang diizinkan adalah satu-satunya perbedaan dari shaped() .

bit_casted_shape

TTypes< T, NDIMS >::ConstTensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const

Kembalikan data tensor ke Eigen::Tensor dengan bentuk baru yang ditentukan dalam new_sizes dan masukkan ke dtype T baru.

Menggunakan bitcast berguna untuk operasi pemindahan dan penyalinan. Bitcast yang diizinkan adalah satu-satunya perbedaan dari shaped() .

bit_casted_tensor

TTypes< T, NDIMS >::Tensor bit_casted_tensor()

Mengembalikan data tensor ke Eigen::Tensor dengan ukuran yang sama tetapi dilemparkan secara bitwise ke dtype T yang ditentukan.

Menggunakan bitcast berguna untuk operasi pemindahan dan penyalinan. CATATAN: ini sama dengan tensor() kecuali bitcast diperbolehkan.

bit_casted_tensor

TTypes< T, NDIMS >::ConstTensor bit_casted_tensor() const

Mengembalikan data tensor ke Eigen::Tensor dengan ukuran yang sama tetapi dilemparkan secara bitwise ke dtype T yang ditentukan.

Menggunakan bitcast berguna untuk operasi pemindahan dan penyalinan. CATATAN: ini sama dengan tensor() kecuali bitcast diperbolehkan.

dim_size

int64 dim_size(
  int d
) const

Aksesor praktis untuk bentuk tensor.

meredup

int dims() const

Aksesor praktis untuk bentuk tensor.

Untuk semua pengakses bentuk, lihat komentar untuk metode TensorShape yang relevan di tensor_shape.h .

tipe

DataType dtype() const

Mengembalikan tipe data.

datar

TTypes< T >::Flat flat()

Mengembalikan data tensor sebagai Eigen::Tensor dengan tipe data dan bentuk tertentu.

Metode ini memungkinkan Anda mengakses data dengan dimensi dan ukuran pilihan Anda. Anda tidak perlu mengetahui jumlah dimensi Tensor untuk memanggilnya. Namun, mereka CHECK apakah jenisnya cocok dan dimensi yang diminta membuat Eigen::Tensor dengan jumlah elemen yang sama dengan tensor.

Contoh:

  
    typedef float T;
    Tensor my_ten(...built with Shape{planes: 4, rows: 3, cols: 5}...);
    // 1D Eigen::Tensor, size 60:
    auto flat = my_ten.flat();
    // 2D Eigen::Tensor 12 x 5:
    auto inner = my_ten.flat_inner_dims();
    // 2D Eigen::Tensor 4 x 15:
    auto outer = my_ten.shaped({4, 15});
    // CHECK fails, bad num elements:
    auto outer = my_ten.shaped({4, 8});
    // 3D Eigen::Tensor 6 x 5 x 2:
    auto weird = my_ten.shaped({6, 5, 2});
    // CHECK fails, type mismatch:
    auto bad   = my_ten.flat();

flat

TTypes< T >::ConstFlat flat() const

flat_inner_dims

TTypes< T, NDIMS >::Tensor flat_inner_dims()

Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan semua dimensi Tensor kecuali NDIMS-1 terakhir ke dalam dimensi pertama hasil.

Jika NDIMS > dims() maka dimensi terdepan berukuran 1 akan ditambahkan untuk membuat peringkat keluaran NDIMS.

flat_inner_dims

TTypes< T, NDIMS >::ConstTensor flat_inner_dims() const

flat_inner_outer_dims

TTypes< T, NDIMS >::Tensor flat_inner_outer_dims(
  int64 begin
)

Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan dimensi Tensor 'mulai' pertama ke dalam dimensi pertama hasil dan dimensi Tensor dari dims() - 'mulai' - NDIMS terakhir ke dalam dimensi terakhir dari hasil hasil.

Jika 'mulai' < 0 maka |'mulai'| dimensi terdepan ukuran 1 akan ditambahkan. Jika 'begin' + NDIMS > dims() maka 'begin' + NDIMS - dims() dimensi akhir ukuran 1 akan ditambahkan.

flat_inner_outer_dims

TTypes< T, NDIMS >::ConstTensor flat_inner_outer_dims(
  int64 begin
) const

flat_outer_dims

TTypes< T, NDIMS >::Tensor flat_outer_dims()

Mengembalikan data sebagai Eigen::Tensor dengan dimensi NDIMS, menciutkan semua dimensi Tensor kecuali NDIMS-1 pertama ke dalam dimensi terakhir dari hasil.

Jika NDIMS > dims() maka dimensi tambahan berukuran 1 akan ditambahkan untuk membuat peringkat keluaran NDIMS.

flat_outer_dims

TTypes< T, NDIMS >::ConstTensor flat_outer_dims() const

matriks

TTypes< T >::Matrix matrix()

matriks

TTypes< T >::ConstMatrix matrix() const

operator=

Tensor & operator=(
  const Tensor & other
)

Tetapkan operator. Tensor ini berbagi penyimpanan dasar lainnya.

operator=

Tensor & operator=(
  Tensor && other
)

Pindahkan operator. Lihat memindahkan konstruktor untuk detailnya.

menafsirkan ulang_dimensi_terakhir

TTypes< T, NDIMS >::Tensor reinterpret_last_dimension()

Mengembalikan data tensor ke Eigen::Tensor dengan elemen dimensi terakhir diubah menjadi elemen tunggal bertipe lebih besar.

Misalnya, ini berguna untuk kernel yang dapat memperlakukan tensor NCHW_VECT_C int8 sebagai tensor NCHW int32. Sizeof(T) harus sama dengan ukuran tipe elemen asli * jumlah elemen dalam dimensi terakhir asli. NDIMS harus lebih kecil 1 dari jumlah dimensi aslinya.

menafsirkan ulang_dimensi_terakhir

TTypes< T, NDIMS >::ConstTensor reinterpret_last_dimension() const

Mengembalikan data tensor ke Eigen::Tensor dengan elemen dimensi terakhir diubah menjadi elemen tunggal bertipe lebih besar.

skalar

TTypes< T >::Scalar scalar()

Menampilkan data Tensor sebagai TensorMap dengan ukuran tetap 1: TensorMap > TensorMap > .

Penggunaan scalar() memungkinkan kompiler melakukan pengoptimalan karena ukuran tensor diketahui pada waktu kompilasi.

skalar

TTypes< T >::ConstScalar scalar() const

membentuk

const TensorShape & shape() const

Mengembalikan bentuk tensor.

berbentuk

TTypes< T, NDIMS >::Tensor shaped(
  gtl::ArraySlice< int64 > new_sizes
)

berbentuk

TTypes< T, NDIMS >::ConstTensor shaped(
  gtl::ArraySlice< int64 > new_sizes
) const

tensor

TTypes< T, NDIMS >::Tensor tensor()

tensor

TTypes< T, NDIMS >::ConstTensor tensor() const

tensor_data

StringPiece tensor_data() const

Mengembalikan StringPiece yang memetakan buffer tensor saat ini.

StringPiece yang dikembalikan mungkin menunjuk ke lokasi memori pada perangkat yang tidak dapat ditangani langsung oleh CPU.

CATATAN: Buffer tensor yang mendasarinya dihitung ulang, sehingga masa pakai konten yang dipetakan oleh StringPiece cocok dengan masa pakai buffer; penelepon harus mengatur untuk memastikan buffer tidak hancur saat StringPiece masih digunakan.

MEMBUTUHKAN: DataTypeCanUseMemcpy(dtype()) .

tidak selaras_datar

TTypes< T >::UnalignedFlat unaligned_flat()

tidak selaras_datar

TTypes< T >::UnalignedConstFlat unaligned_flat() const

tidak selaras_berbentuk

TTypes< T, NDIMS >::UnalignedTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

tidak selaras_berbentuk

TTypes< T, NDIMS >::UnalignedConstTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const

vektor

TTypes< T >::Vec vec()

Kembalikan data tensor sebagai Eigen::Tensor dengan tipe dan ukuran Tensor ini.

Gunakan metode ini ketika Anda mengetahui tipe data dan jumlah dimensi Tensor dan Anda ingin Eigen::Tensor otomatis berukuran sesuai ukuran Tensor. Pemeriksaan implementasi gagal jika jenis atau ukuran tidak cocok.

Contoh:

  
    typedef float T;
    Tensor my_mat(...built with Shape{rows: 3, cols: 5}...);
    auto mat = my_mat.matrix();    // 2D Eigen::Tensor, 3 x 5.
    auto mat = my_mat.tensor(); // 2D Eigen::Tensor, 3 x 5.
    auto vec = my_mat.vec();       // CHECK fails as my_mat is 2D.
    auto vec = my_mat.tensor(); // CHECK fails as my_mat is 2D.
    auto mat = my_mat.matrix();// CHECK fails as type mismatch.

vec

TTypes< T >::ConstVec vec() const

Versi const dari semua metode di atas.

~ Tensor

 ~Tensor()

aliran tensor:: Tensor

Ringkasan

Konstruktor dan Destruktor

Fungsi publik

Fungsi publik

AlokasiBytes

SebagaiProtoField

SebagaiProtoTensorContent

BitcastDari

SalinDari

DebugString

DebugString

DeviceSafeDebugString

IsiDeskripsi

DariProto

DariProto

Sejajar

Diinisialisasi

AdalahUkuran yang Sama

NomorElemen

BagikanBufferDengan

Mengiris

Subirisan

MeringkasNilai

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

Tensor

TotalByte

Salinan Tidak AmanDariInternal

bit_casted_shape

bit_casted_shape

bit_casted_tensor

bit_casted_tensor

dim_size

meredup

tipe

datar

flat

flat_inner_dims

flat_inner_dims

flat_inner_outer_dims

flat_inner_outer_dims

flat_outer_dims

flat_outer_dims

matriks

matriks

operator=

operator=

menafsirkan ulang_dimensi_terakhir

menafsirkan ulang_dimensi_terakhir

skalar

skalar