Эта страница переведена с помощью Cloud Translation API.

тензорный поток:: Тензор

#include <tensor.h>

Представляет n-мерный массив значений.

Краткое содержание

Конструкторы и деструкторы
`Tensor ()` Создает одномерный 0-элементный тензор с плавающей запятой.
`Tensor (DataType type, const TensorShape & shape)` Создает тензор заданного `type` и `shape` .
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` Создает тензор с входным `type` и `shape` , используя распределитель `a` для выделения базового буфера.
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` Создает тензор с входным `type` и `shape` , используя распределитель `a` и указанный "allocation_attr" для выделения базового буфера.
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` Создает тензор с входным типом данных, формой и буфером.
`Tensor (DataType type)` Создает пустой тензор заданного типа данных.
`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)` Копировать конструктор.
`Tensor ( Tensor && other)` Переместить конструктор.
`~Tensor ()`

Общественные функции
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` Заполняет `proto` содержимым `*this` тензора.
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` Скопируйте другой тензор в этот тензор, измените его форму и переинтерпретируйте тип данных буфера.
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` Скопируйте другой тензор в этот тензор и измените его форму.
`DebugString (int num_values) const`	`string` Удобочитаемая сводка тензора, подходящая для отладки.
`DebugString () const`	`string`
`DeviceSafeDebugString () const`	`string`
`FillDescription (TensorDescription *description) const`	`void` Заполните прототип `TensorDescription` метаданными о тензоре, которые будут полезны для мониторинга и отладки.
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` Разберите `other` и постройте тензор.
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` Возвращает true, если этот тензор выровнен.
`IsInitialized () const`	`bool` Если необходимо, был ли инициализирован этот Тензор ?
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` Удобный аксессуар для тензорной формы.
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` Разрежьте этот тензор по первому измерению.
`SubSlice (int64 index) const`	`Tensor` Выберите подсрез этого тензора по первому измерению.
`SummarizeValue (int64 max_entries, bool print_v2) const`	`string` Преобразуйте первые значения `max_entries` в `*this` в строку.
`TotalBytes () const`	`size_t` Возвращает предполагаемое использование памяти этим тензором.
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` Аналогично BitcastFrom, но CHECK завершается неудачей, если не выполняются какие-либо предварительные условия.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` Верните данные тензора в `Eigen::Tensor` с новой формой, указанной в `new_sizes` и приведите их к новому dtype `T` .
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` Верните данные тензора в `Eigen::Tensor` с новой формой, указанной в `new_sizes` и приведите их к новому dtype `T` .
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` Верните данные тензора в `Eigen::Tensor` того же размера, но побитовое приведение к указанному dtype `T` .
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` Верните данные тензора в `Eigen::Tensor` того же размера, но побитовое приведение к указанному dtype `T` .
`dim_size (int d) const`	`int64` Удобный аксессуар для тензорной формы.
`dims () const`	`int` Удобный аксессуар для тензорной формы.
`dtype () const`	`DataType` Возвращает тип данных.
`flat ()`	`TTypes< T >::Flat` Верните данные тензора как `Eigen::Tensor` типа данных и указанной формы.
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая все измерения Tensor , кроме последнего NDIMS-1, в первое измерение результата.
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая первые измерения "begin" Tensor в первое измерение результата и измерения Tensor последних dims() - "begin" - NDIMS в последнее измерение результата. результат.
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая все измерения Tensor , кроме первого NDIMS-1, в последнее измерение результата.
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` Назначить оператора. Этот тензор разделяет базовое хранилище других.
`operator= ( Tensor && other)`	`Tensor &` Оператор перемещения. Подробности смотрите в конструкторе перемещения.
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` Верните данные тензора в `Eigen::Tensor` с преобразованием последних элементов измерения в отдельные элементы большего типа.
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` Верните данные тензора в `Eigen::Tensor` с преобразованием последних элементов измерения в отдельные элементы большего типа.
`scalar ()`	`TTypes< T >::Scalar` Верните данные Tensor в виде `TensorMap` фиксированного размера 1: `TensorMap >` `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` Возвращает форму тензора.
`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` Возвращает `StringPiece` , отображающий текущий буфер тензора.
`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` Верните данные тензора как `Eigen::Tensor` с типом и размерами этого `Tensor` .
`vec () const`	`TTypes< T >::ConstVec` Константные версии всех вышеперечисленных методов.

Общественные функции

Выделенные байты

size_t AllocatedBytes() const

АсПротоФилд

void AsProtoField(
  TensorProto *proto
) const

Заполняет proto содержимым *this тензора.

AsProtoField() заполняет повторяющееся поле для proto.dtype() , а AsProtoTensorContent() кодирует содержимое proto.tensor_content() в компактной форме.

АсПротоТензорКонтент

void AsProtoTensorContent(
  TensorProto *proto
) const

БиткастОт

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

Скопируйте другой тензор в этот тензор, измените его форму и переинтерпретируйте тип данных буфера.

Если возвращается Status::OK(), два тензора теперь используют одно и то же базовое хранилище.

Этот вызов требует, чтобы other тензор и заданный тип и форма были «совместимы» (т.е. занимали одинаковое количество байтов).

Конкретно:

shape.num_elements() * DataTypeSize(тип)

должен быть равен

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

Кроме того, эта функция требует:

DataTypeSize(other.dtype()) != 0
DataTypeSize(тип)!= 0

Если какое-либо из требований не выполнено, возвращается error::InvalidArgument.

КопироватьИз

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

Скопируйте другой тензор в этот тензор и измените его форму.

Этот тензор разделяет базовое хранилище других. Возвращает true , если other.shape() содержит такое же количество элементов заданной shape .

Отладочная строка

string DebugString(
  int num_values
) const

Удобочитаемая сводка тензора, подходящая для отладки.

Отладочная строка

string DebugString() const

Девицесафедебагстринг

string DeviceSafeDebugString() const

ЗаполнитьОписание

void FillDescription(
  TensorDescription *description
) const

Заполните прототип TensorDescription метаданными о тензоре, которые будут полезны для мониторинга и отладки.

FromProto

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

Разберите other и постройте тензор.

Возвращает true , если синтаксический анализ завершился успешно. Если синтаксический анализ не удался, состояние *this не изменится.

FromProto

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

IsAligned

bool IsAligned() const

Возвращает true, если этот тензор выровнен.

IsInitialized

bool IsInitialized() const

Если необходимо, был ли инициализирован этот Тензор ?

Тензоры с нулевым элементом всегда считаются инициализированными, даже если им никогда не присваивались значения и им не была выделена память.

IsSameSize

bool IsSameSize(
  const Tensor & b
) const

НумЭлементс

int64 NumElements() const

Удобный аксессуар для тензорной формы.

АкцииBufferWith

bool SharesBufferWith(
  const Tensor & b
) const

Срез

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

Разрежьте этот тензор по первому измерению.

Т.е. возвращенный тензор удовлетворяет условиям return[i, ...] == this[dim0_start + i, ...]. Возвращенный тензор разделяет базовый тензорный буфер с этим тензором.

ПРИМЕЧАНИЕ. Возвращенный тензор может не удовлетворять тем же требованиям выравнивания, что и этот тензор, в зависимости от формы. Вызывающая сторона должна проверить выравнивание возвращаемого тензора перед вызовом определенных методов, требующих выравнивания (например, flat() , tensor() ).

ПРИМЕЧАНИЕ. При подаче N-мерного тензора этот метод возвращает тензор также с N измерениями. Если вы хотите выбрать субтензор, см. SubSlice.

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

Подсрез

Tensor SubSlice(
  int64 index
) const

Выберите подсрез этого тензора по первому измерению.

При подаче N-мерного тензора этот метод возвращает тензор с размерностями N-1, где возвращаемый тензор является подсрезом входного тензора по первому измерению. Размерности N-1 возвращаемого тензора являются последними размерностями N-1 входного тензора.

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

Суммировать значение

string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

Преобразуйте первые значения max_entries в *this в строку.

Тензор

 Tensor()

Создает одномерный 0-элементный тензор с плавающей запятой.

Возвращенный тензор не является скаляром (форма {}), а представляет собой пустой одномерный тензор (форма {0}, NumElements() == 0). Поскольку у него нет элементов, ему не нужно присваивать значение, и он инициализируется по умолчанию ( IsInitialized() имеет значение true). Если это нежелательно, рассмотрите возможность создания одноэлементного скаляра, который требует инициализации:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

Создает тензор заданного type и shape .

Если LogMemory::IsEnabled(), выделение регистрируется как исходящее из неизвестного ядра и шага. Вызов конструктора Tensor непосредственно из Op устарел: используйте методы OpKernelConstruction/OpKernelContext allocate_*, чтобы выделить новый тензор, который записывает ядро и шаг.

Базовый буфер выделяется с помощью CPUAllocator .

Тензор

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

Создает тензор с входным type и shape , используя распределитель a для выделения базового буфера.

a должен пережить время жизни этого Tensor .

Тензор

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

Создает тензор с входным type и shape , используя распределитель a и указанный "allocation_attr" для выделения базового буфера.

Если ядро и шаг известны, для параметраlocation_attr.allocation_will_be_logged должно быть установлено значение true, а LogMemory::RecordTensorAlllocation следует вызывать после создания тензора. Вызов конструктора Tensor непосредственно из Op устарел: используйте методы OpKernelConstruction/OpKernelContext allocate_*, чтобы выделить новый тензор, который записывает ядро и шаг.

a должен пережить время жизни этого Tensor .

Тензор

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

Создает тензор с входным типом данных, формой и буфером.

Получает ссылку на buf, принадлежащую этому Tensor .

Тензор

 Tensor(
  DataType type
)

Создает пустой тензор заданного типа данных.

Как и Tensor() , возвращает одномерный 0-элементный Tensor , а IsInitialized() возвращает True. Подробности смотрите в документации Tensor() .

Тензор

 Tensor(
  float scalar_value
)

Тензор

 Tensor(
  double scalar_value
)

Тензор

 Tensor(
  int32 scalar_value
)

Тензор

 Tensor(
  uint32 scalar_value
)

Тензор

 Tensor(
  uint16 scalar_value
)

Тензор

 Tensor(
  uint8 scalar_value
)

Тензор

 Tensor(
  int16 scalar_value
)

Тензор

 Tensor(
  int8 scalar_value
)

Тензор

 Tensor(
  tstring scalar_value
)

Тензор

 Tensor(
  complex64 scalar_value
)

Тензор

 Tensor(
  complex128 scalar_value
)

Тензор

 Tensor(
  int64 scalar_value
)

Тензор

 Tensor(
  uint64 scalar_value
)

Тензор

 Tensor(
  bool scalar_value
)

Тензор

 Tensor(
  qint8 scalar_value
)

Тензор

 Tensor(
  quint8 scalar_value
)

Тензор

 Tensor(
  qint16 scalar_value
)

Тензор

 Tensor(
  quint16 scalar_value
)

Тензор

 Tensor(
  qint32 scalar_value
)

Тензор

 Tensor(
  bfloat16 scalar_value
)

Тензор

 Tensor(
  Eigen::half scalar_value
)

Тензор

 Tensor(
  ResourceHandle scalar_value
)

Тензор

 Tensor(
  const char *scalar_value
)

Тензор

 Tensor(
  const Tensor & other
)

Копировать конструктор.

Тензор

 Tensor(
  Tensor && other
)

Переместить конструктор.

После этого звонка безопасно разрушается и может быть назначен ему, но другие вызовы (например, манипулирование формой) недействительны.

Всего байт

size_t TotalBytes() const

Возвращает предполагаемое использование памяти этим тензором.

UnsafeCopyFromInternal

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

Аналогично BitcastFrom, но CHECK завершается неудачно, если не выполняются какие-либо предварительные условия.

Устарело. Вместо этого используйте BitcastFrom и проверьте возвращенный Status .

bit_casted_shape

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

Верните данные тензора в Eigen::Tensor с новой формой, указанной в new_sizes и приведите их к новому dtype T .

Использование битового вещания полезно для операций перемещения и копирования. Разрешенное битовое вещание — единственное отличие от shaped() .

bit_casted_shape

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

Верните данные тензора в Eigen::Tensor с новой формой, указанной в new_sizes и приведите их к новому dtype T .

bit_casted_tensor

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

Верните данные тензора в Eigen::Tensor того же размера, но побитовое приведение к указанному dtype T .

Использование битового вещания полезно для операций перемещения и копирования. ПРИМЕЧАНИЕ. Это то же самое, что и tensor() за исключением того, что разрешена битовая передача.

bit_casted_tensor

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

Верните данные тензора в Eigen::Tensor того же размера, но побитовое приведение к указанному dtype T .

dim_size

int64 dim_size(
  int d
) const

Удобный аксессуар для тензорной формы.

тускнеет

int dims() const

Удобный аксессуар для тензорной формы.

Для всех средств доступа к фигурам см. комментарии к соответствующим методам TensorShape в tensor_shape.h .

dtype

DataType dtype() const

Возвращает тип данных.

плоский

TTypes< T >::Flat flat()

Верните данные тензора как Eigen::Tensor типа данных и указанной формы.

Эти методы позволяют вам получить доступ к данным с размерами и размерами по вашему выбору. Вам не нужно знать количество измерений Тензора , чтобы их вызвать. Однако они CHECK , что тип соответствует и запрошенные размеры создают Eigen::Tensor с тем же количеством элементов, что и тензор.

Пример:

  
    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<T, 2>({4, 15});
    // CHECK fails, bad num elements:
    auto outer = my_ten.shaped<T, 2>({4, 8});
    // 3D Eigen::Tensor 6 x 5 x 2:
    auto weird = my_ten.shaped<T, 3>({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()

Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая все измерения Tensor , кроме последнего NDIMS-1, в первое измерение результата.

Если NDIMS > dims() , то будут добавлены ведущие измерения размера 1, чтобы сделать выходной ранг 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
)

Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая первые измерения "begin" Tensor в первое измерение результата и измерения Tensor последних dims() - "begin" - NDIMS в последнее измерение результата. результат.

Если 'begin' < 0, то |'begin'| Будут добавлены ведущие размеры размера 1. Если «begin» + NDIMS > dims() , то «begin» + NDIMS — dims() будут добавлены конечные размеры размера 1.

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()

Возвращает данные в виде Eigen::Tensor с измерениями NDIMS, сжимая все измерения Tensor , кроме первого NDIMS-1, в последнее измерение результата.

Если NDIMS > dims() , то будут добавлены конечные измерения размером 1, чтобы сделать выходной ранг NDIMS.

Flat_outer_dims

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

матрица

TTypes< T >::Matrix matrix()

матрица

TTypes< T >::ConstMatrix matrix() const

оператор=

Tensor & operator=(
  const Tensor & other
)

Назначить оператора. Этот тензор разделяет базовое хранилище других.

оператор=

Tensor & operator=(
  Tensor && other
)

Оператор перемещения. Подробности смотрите в конструкторе перемещения.

reinterpret_last_dimension

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

Верните данные тензора в Eigen::Tensor с преобразованием последних элементов измерения в отдельные элементы большего типа.

Например, это полезно для ядер, которые могут обрабатывать тензоры NCHW_VECT_C int8 как тензоры NCHW int32. Sizeof(T) должен равняться размеру исходного типа элемента * количество элементов в исходном последнем измерении. NDIMS должно быть на 1 меньше исходного числа измерений.

reinterpret_last_dimension

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

скаляр

TTypes< T >::Scalar scalar()

Верните данные Tensor в виде TensorMap фиксированного размера 1: TensorMap > TensorMap > .

Использование scalar() позволяет компилятору выполнять оптимизацию, поскольку размер тензора известен во время компиляции.

скаляр

TTypes< T >::ConstScalar scalar() const

форма

const TensorShape & shape() const

Возвращает форму тензора.

сформированный

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

сформированный

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

тензор

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

тензор

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

tensor_data

StringPiece tensor_data() const

Возвращает StringPiece , отображающий текущий буфер тензора.

Возвращенный StringPiece может указывать на ячейку памяти на устройствах, к которым ЦП не может обращаться напрямую.

ПРИМЕЧАНИЕ. Базовый тензорный буфер пересчитывается, поэтому время жизни содержимого, отображаемого StringPiece , соответствует времени жизни буфера; вызывающим сторонам следует позаботиться о том, чтобы буфер не был уничтожен, пока StringPiece все еще используется.

ТРЕБУЕТСЯ: DataTypeCanUseMemcpy(dtype()) .

unaligned_квартира

TTypes< T >::UnalignedFlat unaligned_flat()

unaligned_квартира

TTypes< T >::UnalignedConstFlat unaligned_flat() const

unaligned_shape

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

unaligned_shape

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

век

TTypes< T >::Vec vec()

Верните данные тензора как Eigen::Tensor с типом и размерами этого Tensor .

Используйте эти методы, если вы знаете тип данных и количество измерений тензора и хотите, чтобы размер Eigen::Tensor автоматически соответствовал размерам тензора. Проверка реализации завершается неудачей, если тип или размер не совпадают.

Пример:

  
    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<T, 2>(); // 2D Eigen::Tensor, 3 x 5.
    auto vec = my_mat.vec();       // CHECK fails as my_mat is 2D.
    auto vec = my_mat.tensor<T, 3>(); // CHECK fails as my_mat is 2D.
    auto mat = my_mat.matrix();// CHECK fails as type mismatch.

vec

TTypes< T >::ConstVec vec() const

Константные версии всех вышеперечисленных методов.

~ Тензор

 ~Tensor()

тензорный поток:: Тензор

Краткое содержание

Конструкторы и деструкторы

Общественные функции

Общественные функции

Выделенные байты

АсПротоФилд

АсПротоТензорКонтент

БиткастОт

КопироватьИз

Отладочная строка

Отладочная строка

Девицесафедебагстринг

ЗаполнитьОписание

FromProto

FromProto

IsAligned

IsInitialized

IsSameSize

НумЭлементс

АкцииBufferWith

Срез

Подсрез

Суммировать значение

Тензор

Tensor

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Тензор

Всего байт

UnsafeCopyFromInternal

bit_casted_shape

bit_casted_shape

bit_casted_tensor

bit_casted_tensor

dim_size

тускнеет

dtype

плоский

flat

Flat_inner_dims

Flat_inner_dims

Flat_inner_outer_dims

Flat_inner_outer_dims

Flat_outer_dims

Flat_outer_dims

матрица

матрица

оператор=

оператор=

reinterpret_last_dimension

reinterpret_last_dimension

скаляр

скаляр