หน้านี้ได้รับการแปลโดย Cloud Translation API

เทนเซอร์โฟลว์::เทนเซอร์

#include <tensor.h>

แสดงถึงอาร์เรย์ของค่าที่มีมิติ n

สรุป

ตัวสร้างและตัวทำลาย
`Tensor ()` สร้างเทนเซอร์แบบ float 1 มิติ ที่มี 0 องค์ประกอบ
`Tensor (DataType type, const TensorShape & shape)` สร้าง เทนเซอร์ ที่มี `type` และ `shape` ตามที่กำหนดให้
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` สร้างเทนเซอร์ที่มี `type` และ `shape` ตามข้อมูลป้อนเข้า โดยใช้ตัวจัดสรรหน่วยความจำ `a` เพื่อจัดสรรบัฟเฟอร์พื้นฐาน
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` สร้างเทนเซอร์ที่มี `type` และ `shape` ตามอินพุต โดยใช้ตัวจัดสรรหน่วยความจำ `a` และ "allocation_attr" ที่ระบุเพื่อจัดสรรบัฟเฟอร์พื้นฐาน
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` สร้างเทนเซอร์ด้วยชนิดข้อมูล รูปร่าง และบัฟเฟอร์ที่ป้อนเข้ามา
`Tensor (DataType type)` สร้าง เทนเซอร์ ว่างเปล่าที่มีประเภทข้อมูลที่กำหนด
`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)` ตัวสร้างสำเนา
`Tensor ( Tensor && other)` ย้ายคอนสตรัคเตอร์
`~Tensor ()`

หน้าที่สาธารณะ
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` เติมข้อมูล `proto` ด้วยเนื้อหาของเทนเซอร์ `*this`
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` คัดลอกเทนเซอร์อื่นลงในเทนเซอร์นี้ ปรับรูปร่างใหม่ และตีความชนิดข้อมูลของบัฟเฟอร์ใหม่
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` คัดลอกเทนเซอร์อื่นลงในเทนเซอร์นี้ แล้วปรับรูปร่างใหม่
`DebugString (int num_values) const`	`string` สรุปข้อมูลเทนเซอร์ในรูปแบบที่มนุษย์อ่านได้ เหมาะสำหรับการแก้ไขข้อผิดพลาด
`DebugString () const`	`string`
`DeviceSafeDebugString () const`	`string`
`FillDescription (TensorDescription *description) const`	`void` กรอกข้อมูลเมตาเกี่ยวกับเทนเซอร์ลงใน `TensorDescription` proto เพื่อให้ข้อมูลเหล่านั้นมีประโยชน์สำหรับการตรวจสอบและแก้ไขข้อผิดพลาด
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` แยกวิเคราะห์ส่วน `other` และสร้างเทนเซอร์
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` ส่งคืนค่าจริงก็ต่อเมื่อเทนเซอร์นี้อยู่ในแนวที่ถูกต้อง
`IsInitialized () const`	`bool` ถ้าจำเป็น ได้ทำการเริ่มต้น ค่าเทนเซอร์ นี้แล้วหรือไม่?
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` ตัวช่วยอำนวยความสะดวกสำหรับรูปทรงเทนเซอร์
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` หั่นเทนเซอร์นี้ตามมิติที่ 1
`SubSlice (int64 index) const`	`Tensor` เลือกส่วนย่อยจากเทนเซอร์นี้ตามมิติที่ 1
`SummarizeValue (int64 max_entries, bool print_v2) const`	`string` แปลงค่า `max_entries` แรกใน `*this` ให้เป็นสตริง
`TotalBytes () const`	`size_t` ส่งคืนค่าการใช้งานหน่วยความจำโดยประมาณของเทนเซอร์นี้
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` คล้ายกับ BitcastFrom แต่ CHECK จะล้มเหลวหากไม่ตรงตามเงื่อนไขเบื้องต้นใดๆ
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` ส่งข้อมูลเทนเซอร์กลับไปยัง `Eigen::Tensor` ด้วยรูปร่างใหม่ที่ระบุใน `new_sizes` และแปลงเป็น dtype ใหม่ `T`
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` ส่งข้อมูลเทนเซอร์กลับไปยัง `Eigen::Tensor` ด้วยรูปร่างใหม่ที่ระบุใน `new_sizes` และแปลงเป็น dtype ใหม่ `T`
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` ส่งข้อมูลเทนเซอร์กลับไปยัง `Eigen::Tensor` ที่มีขนาดเท่าเดิม แต่แปลงค่าแบบบิตไวส์เป็นชนิดข้อมูล `T` ที่ระบุ
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` ส่งข้อมูลเทนเซอร์กลับไปยัง `Eigen::Tensor` ที่มีขนาดเท่าเดิม แต่แปลงค่าแบบบิตไวส์เป็นชนิดข้อมูล `T` ที่ระบุ
`dim_size (int d) const`	`int64` อุปกรณ์เสริมที่สะดวกต่อการใช้งานสำหรับรูปทรงเทนเซอร์
`dims () const`	`int` อุปกรณ์เสริมที่สะดวกต่อการใช้งานสำหรับรูปทรงเทนเซอร์
`dtype () const`	`DataType` ส่งคืนชนิดข้อมูล
`flat ()`	`TTypes< T >::Flat` ส่งคืนข้อมูลเทนเซอร์ในรูปแบบ `Eigen::Tensor` ที่มีประเภทข้อมูลและรูปร่างที่ระบุไว้
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบรวมมิติ Tensor ทั้งหมด ยกเว้น NDIMS-1 สุดท้าย เข้าไว้ในมิติแรกของผลลัพธ์
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor 'begin' แรกเข้ากับมิติแรกของผลลัพธ์ และยุบมิติ Tensor ของ dims() สุดท้าย - 'begin' - NDIMS เข้ากับมิติสุดท้ายของผลลัพธ์
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบรวมมิติ Tensor ทั้งหมด ยกเว้น NDIMS-1 แรก เข้าไว้ในมิติสุดท้ายของผลลัพธ์
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` ตัวดำเนินการกำหนดค่า เทนเซอร์นี้ใช้พื้นที่จัดเก็บข้อมูลร่วมกับเทนเซอร์อื่น
`operator= ( Tensor && other)`	`Tensor &` ตัวดำเนินการเคลื่อนย้าย โปรดดูตัวสร้างการเคลื่อนย้ายสำหรับรายละเอียดเพิ่มเติม
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` ส่งกลับข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` โดยแปลงองค์ประกอบมิติสุดท้ายให้เป็นองค์ประกอบเดี่ยวที่มีชนิดข้อมูลขนาดใหญ่กว่า
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` ส่งกลับข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` โดยแปลงองค์ประกอบมิติสุดท้ายให้เป็นองค์ประกอบเดี่ยวที่มีชนิดข้อมูลขนาดใหญ่กว่า
`scalar ()`	`TTypes< T >::Scalar` ส่งคืนข้อมูล Tensor ในรูปแบบ `TensorMap` ที่มีขนาดคงที่ 1: `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` ส่งคืนรูปร่างของเทนเซอร์
`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` ส่งคืนค่า `StringPiece` ที่แมปบัฟเฟอร์ของเทนเซอร์ปัจจุบัน
`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` ส่งคืนข้อมูลเทนเซอร์ในรูป `Eigen::Tensor` โดยใช้ประเภทและขนาดของ `Tensor` นี้
`vec () const`	`TTypes< T >::ConstVec` เวอร์ชันคงที่ของวิธีการทั้งหมดข้างต้น

หน้าที่สาธารณะ

ไบต์ที่จัดสรร

size_t AllocatedBytes() const

แอสโปรโตฟิลด์

void AsProtoField(
  TensorProto *proto
) const

เติมข้อมูล proto ด้วยเนื้อหาของเทนเซอร์ *this

AsProtoField() จะเติมข้อมูลในฟิลด์ที่ซ้ำกันสำหรับ proto.dtype() ในขณะที่ AsProtoTensorContent() จะเข้ารหัสเนื้อหาใน proto.tensor_content() ในรูปแบบที่กระชับ

แอสโปรโตเทนเซอร์คอนเทนต์

void AsProtoTensorContent(
  TensorProto *proto
) const

บิตแคสต์จาก

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

คัดลอกเทนเซอร์อื่นลงในเทนเซอร์นี้ ปรับรูปร่างใหม่ และตีความชนิดข้อมูลของบัฟเฟอร์ใหม่

หากส่งค่า Status::OK() กลับมา แสดงว่าเทนเซอร์ทั้งสองใช้พื้นที่จัดเก็บข้อมูลพื้นฐานเดียวกันแล้ว

การเรียกใช้ฟังก์ชันนี้ต้องการให้เทนเซอร์ other และประเภทและรูปร่างที่กำหนดนั้น "เข้ากันได้" (กล่าวคือ ต้องใช้จำนวนไบต์เท่ากัน)

โดยเฉพาะอย่างยิ่ง:

shape.num_elements() * DataTypeSize(type)

ต้องเท่ากับ

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

นอกจากนี้ ฟังก์ชันนี้ยังต้องการ:

DataTypeSize(other.dtype()) != 0
ขนาดประเภทข้อมูล (type) != 0

หากไม่ตรงตามข้อกำหนดใดๆ จะส่งคืนค่า errors::InvalidArgument

คัดลอกจาก

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

คัดลอกเทนเซอร์อื่นลงในเทนเซอร์นี้ แล้วปรับรูปร่างใหม่

เทนเซอร์นี้ใช้พื้นที่จัดเก็บข้อมูลร่วมกับเทนเซอร์อื่น ส่งคืน true เมื่อ other.shape() มีจำนวนองค์ประกอบที่มี shape ที่กำหนดเท่ากัน

ดีบักสตริง

string DebugString(
  int num_values
) const

สรุปข้อมูลเทนเซอร์ในรูปแบบที่มนุษย์อ่านได้ เหมาะสำหรับการแก้ไขข้อผิดพลาด

ดีบักสตริง

string DebugString() const

DeviceSafeDebugString

string DeviceSafeDebugString() const

กรอกรายละเอียด

void FillDescription(
  TensorDescription *description
) const

กรอกข้อมูลเมตาเกี่ยวกับเทนเซอร์ลงใน TensorDescription proto เพื่อให้ข้อมูลเหล่านั้นมีประโยชน์สำหรับการตรวจสอบและแก้ไขข้อผิดพลาด

จากโปรโต

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

แยกวิเคราะห์ส่วน other และสร้างเทนเซอร์

ส่งคืนค่า true ก็ต่อเมื่อการแยกวิเคราะห์สำเร็จ หากการแยกวิเคราะห์ล้มเหลว สถานะของ *this จะไม่เปลี่ยนแปลง

จากโปรโต

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

จัดแนวแล้ว

bool IsAligned() const

ส่งคืนค่าจริงก็ต่อเมื่อเทนเซอร์นี้อยู่ในแนวที่ถูกต้อง

ได้รับการเริ่มต้นแล้ว

bool IsInitialized() const

ถ้าจำเป็น ได้ทำการเริ่มต้น ค่าเทนเซอร์ นี้แล้วหรือไม่?

เทนเซอร์ที่มีองค์ประกอบเป็นศูนย์จะถือว่าได้รับการเริ่มต้นใช้งานแล้วเสมอ แม้ว่าจะไม่เคยมีการกำหนดค่าหรือจัดสรรหน่วยความจำใดๆ ให้กับเทนเซอร์นั้นก็ตาม

ขนาดเท่ากัน

bool IsSameSize(
  const Tensor & b
) const

จำนวนองค์ประกอบ

int64 NumElements() const

อุปกรณ์เสริมที่สะดวกต่อการใช้งานสำหรับรูปทรงเทนเซอร์

แชร์บัฟเฟอร์กับ

bool SharesBufferWith(
  const Tensor & b
) const

ชิ้น

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

หั่นเทนเซอร์นี้ตามมิติที่ 1

กล่าวคือ เทนเซอร์ที่ส่งคืนจะตรงตามเงื่อนไข returned[i, ...] == this[dim0_start + i, ...] เทนเซอร์ที่ส่งคืนจะใช้บัฟเฟอร์เทนเซอร์พื้นฐานร่วมกับเทนเซอร์นี้

หมายเหตุ: เทนเซอร์ที่ส่งคืนอาจไม่ตรงตามข้อกำหนดการจัดเรียงเดียวกันกับเทนเซอร์นี้ ขึ้นอยู่กับรูปร่าง ผู้เรียกต้องตรวจสอบการจัดเรียงของเทนเซอร์ที่ส่งคืนก่อนเรียกใช้เมธอดบางอย่างที่มีข้อกำหนดการจัดเรียง (เช่น flat() , tensor() )

หมายเหตุ: เมื่อป้อนเทนเซอร์ที่มีมิติ N เข้าไป เมธอดนี้จะส่งคืนเทนเซอร์ที่มีมิติ N เช่นกัน หากคุณต้องการเลือกเทนเซอร์ย่อย โปรดดู SubSlice

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

ซับสไลซ์

Tensor SubSlice(
  int64 index
) const

เลือกส่วนย่อยจากเทนเซอร์นี้ตามมิติที่ 1

เมื่อป้อนเทนเซอร์ที่มีมิติ N เข้าไป เมธอดนี้จะส่งคืนเทนเซอร์ที่มีมิติ N-1 โดยที่เทนเซอร์ที่ส่งคืนเป็นส่วนย่อยของเทนเซอร์อินพุตตามมิติแรก มิติ N-1 ของเทนเซอร์ที่ส่งคืนจะเป็นมิติ N-1 สุดท้ายจากเทนเซอร์อินพุต

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

สรุปค่า

string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

แปลงค่า max_entries แรกใน *this ให้เป็นสตริง

เทนเซอร์

 Tensor()

สร้างเทนเซอร์แบบ float 1 มิติ ที่มี 0 องค์ประกอบ

เทนเซอร์ ที่ส่งคืนมาไม่ใช่สเกลาร์ (รูปร่าง {}) แต่เป็น เทนเซอร์ หนึ่งมิติว่างเปล่า (รูปร่าง {0}, NumElements() == 0) เนื่องจากไม่มีองค์ประกอบ จึงไม่จำเป็นต้องกำหนดค่าและจะถูกเริ่มต้นโดยค่าเริ่มต้น ( IsInitialized() เป็นจริง) หากไม่ต้องการเช่นนี้ โปรดพิจารณาสร้างสเกลาร์ที่มีองค์ประกอบเดียวซึ่งจำเป็นต้องมีการเริ่มต้น:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

สร้าง เทนเซอร์ ที่มี type และ shape ตามที่กำหนดให้

หาก LogMemory::IsEnabled() การจัดสรรจะถูกบันทึกว่ามาจากเคอร์เนลและขั้นตอนที่ไม่รู้จัก การเรียกใช้ตัวสร้าง Tensor โดยตรงจากภายใน Op นั้นไม่แนะนำให้ใช้แล้ว: ให้ใช้วิธีการ allocate_* ของ OpKernelConstruction/OpKernelContext เพื่อจัดสรรเทนเซอร์ใหม่ ซึ่งจะบันทึกเคอร์เนลและขั้นตอนไว้

บัฟเฟอร์พื้นฐานจะถูกจัดสรรโดยใช้ CPUAllocator

เทนเซอร์

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

สร้างเทนเซอร์ที่มี type และ shape ตามข้อมูลป้อนเข้า โดยใช้ตัวจัดสรรหน่วยความจำ a เพื่อจัดสรรบัฟเฟอร์พื้นฐาน

a ต้องมีอายุยืนยาวกว่าอายุขัยของ เทนเซอร์ นี้

เทนเซอร์

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

สร้างเทนเซอร์ที่มี type และ shape ตามอินพุต โดยใช้ตัวจัดสรรหน่วยความจำ a และ "allocation_attr" ที่ระบุเพื่อจัดสรรบัฟเฟอร์พื้นฐาน

หากทราบเคอร์เนลและขั้นตอนแล้ว ควรตั้งค่า allocation_attr.allocation_will_be_logged เป็น true และควรเรียก LogMemory::RecordTensorAllocation หลังจากสร้างเทนเซอร์แล้ว การเรียกตัวสร้าง เทนเซอร์ โดยตรงจากภายใน Op นั้นไม่แนะนำให้ใช้แล้ว ให้ใช้วิธีการ allocate_* ของ OpKernelConstruction/OpKernelContext เพื่อจัดสรรเทนเซอร์ใหม่ ซึ่งจะบันทึกเคอร์เนลและขั้นตอนไว้

a ต้องมีอายุยืนยาวกว่าอายุขัยของ เทนเซอร์ นี้

เทนเซอร์

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

สร้างเทนเซอร์โดยใช้ชนิดข้อมูล รูปร่าง และบัฟเฟอร์ที่ป้อนเข้ามา

รับค่าอ้างอิงบนบัฟที่อยู่ใน เทนเซอร์ นี้

เทนเซอร์

 Tensor(
  DataType type
)

สร้าง เทนเซอร์ ว่างเปล่าที่มีประเภทข้อมูลที่กำหนด

เช่นเดียวกับ Tensor() ฟังก์ชันนี้ จะส่งคืน Tensor แบบ 1 มิติ ที่มี 0 องค์ประกอบ โดยที่ IsInitialized() จะส่งคืนค่า True ดูรายละเอียดเพิ่มเติมได้ในเอกสารประกอบ ของ Tensor()

เทนเซอร์

 Tensor(
  float scalar_value
)

เทนเซอร์

 Tensor(
  double scalar_value
)

เทนเซอร์

 Tensor(
  int32 scalar_value
)

เทนเซอร์

 Tensor(
  uint32 scalar_value
)

เทนเซอร์

 Tensor(
  uint16 scalar_value
)

เทนเซอร์

 Tensor(
  uint8 scalar_value
)

เทนเซอร์

 Tensor(
  int16 scalar_value
)

เทนเซอร์

 Tensor(
  int8 scalar_value
)

เทนเซอร์

 Tensor(
  tstring scalar_value
)

เทนเซอร์

 Tensor(
  complex64 scalar_value
)

เทนเซอร์

 Tensor(
  complex128 scalar_value
)

เทนเซอร์

 Tensor(
  int64 scalar_value
)

เทนเซอร์

 Tensor(
  uint64 scalar_value
)

เทนเซอร์

 Tensor(
  bool scalar_value
)

เทนเซอร์

 Tensor(
  qint8 scalar_value
)

เทนเซอร์

 Tensor(
  quint8 scalar_value
)

เทนเซอร์

 Tensor(
  qint16 scalar_value
)

เทนเซอร์

 Tensor(
  quint16 scalar_value
)

เทนเซอร์

 Tensor(
  qint32 scalar_value
)

เทนเซอร์

 Tensor(
  bfloat16 scalar_value
)

เทนเซอร์

 Tensor(
  Eigen::half scalar_value
)

เทนเซอร์

 Tensor(
  ResourceHandle scalar_value
)

เทนเซอร์

 Tensor(
  const char *scalar_value
)

เทนเซอร์

 Tensor(
  const Tensor & other
)

ตัวสร้างสำเนา

เทนเซอร์

 Tensor(
  Tensor && other
)

ย้ายคอนสตรัคเตอร์

หลังจากวางสายแล้ว สามารถทำลายได้อย่างปลอดภัยและสามารถกำหนดค่าได้ แต่การเรียกใช้ฟังก์ชันอื่น ๆ (เช่น การปรับแต่งรูปร่าง) นั้นไม่ถูกต้อง

ไบต์ทั้งหมด

size_t TotalBytes() const

ส่งคืนค่าการใช้งานหน่วยความจำโดยประมาณของเทนเซอร์นี้

สำเนาที่ไม่ปลอดภัยจากภายใน

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

คล้ายกับ BitcastFrom แต่ CHECK จะล้มเหลวหากไม่ตรงตามเงื่อนไขเบื้องต้นใดๆ

เลิกใช้แล้ว โปรดใช้ BitcastFrom แทน และตรวจสอบ สถานะ ที่ส่งคืน

บิตแคสต์_รูปทรง

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

ส่งข้อมูลเทนเซอร์กลับไปยัง Eigen::Tensor ด้วยรูปร่างใหม่ที่ระบุใน new_sizes และแปลงเป็น dtype ใหม่ T

การใช้ bitcast มีประโยชน์สำหรับการดำเนินการย้ายและคัดลอก ความแตกต่างเพียงอย่างเดียวจาก shaped() คือ bitcast ที่อนุญาต

บิตแคสต์_รูปทรง

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

บิต_แคสต์_เทนเซอร์

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

ส่งข้อมูลเทนเซอร์กลับไปยัง Eigen::Tensor ที่มีขนาดเท่าเดิม แต่แปลงค่าแบบบิตไวส์เป็นชนิดข้อมูล T ที่ระบุ

การใช้ bitcast มีประโยชน์สำหรับการย้ายและการคัดลอกข้อมูล หมายเหตุ: นี่เหมือนกับ tensor() ประการ ยกเว้นว่าอนุญาตให้ใช้ bitcast ได้

บิต_แคสต์_เทนเซอร์

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

ขนาด

int64 dim_size(
  int d
) const

อุปกรณ์เสริมที่สะดวกต่อการใช้งานสำหรับรูปทรงเทนเซอร์

ดิมส์

int dims() const

อุปกรณ์เสริมที่สะดวกต่อการใช้งานสำหรับรูปทรงเทนเซอร์

สำหรับตัวเข้าถึงรูปร่างทั้งหมด โปรดดูคำอธิบายสำหรับวิธีการที่เกี่ยวข้องของ TensorShape ใน tensor_shape.h

dtype

DataType dtype() const

ส่งคืนชนิดข้อมูล

แบน

TTypes< T >::Flat flat()

ส่งคืนข้อมูลเทนเซอร์ในรูปแบบ Eigen::Tensor ที่มีประเภทข้อมูลและรูปร่างที่ระบุไว้

วิธีการเหล่านี้ช่วยให้คุณเข้าถึงข้อมูลด้วยมิติและขนาดที่คุณเลือกได้ คุณไม่จำเป็นต้องทราบจำนวนมิติของ เทนเซอร์ เพื่อเรียกใช้ แต่พวกมัน CHECK ว่าประเภทตรงกันและมิติที่ร้องขอจะสร้าง Eigen::Tensor ที่มีจำนวนองค์ประกอบเท่ากับเทนเซอร์

ตัวอย่าง:

  
    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

ขนาดภายในแบบแบน

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

ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบรวมมิติ Tensor ทั้งหมด ยกเว้น NDIMS-1 สุดท้าย เข้าไว้ในมิติแรกของผลลัพธ์

ถ้า NDIMS > dims() ระบบจะเพิ่มมิตินำหน้าขนาด 1 เข้าไปเพื่อให้ลำดับของผลลัพธ์เป็น NDIMS

ขนาดภายในแบบแบน

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

ขนาดด้านในด้านนอกแบบแบน

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

ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor 'begin' แรกเข้ากับมิติแรกของผลลัพธ์ และยุบมิติ Tensor ของ dims() สุดท้าย - 'begin' - NDIMS เข้ากับมิติสุดท้ายของผลลัพธ์

ถ้า 'begin' < 0 จะเพิ่มมิติเริ่มต้นขนาด 1 เข้าไป ถ้า 'begin' + NDIMS > dims() จะเพิ่มมิติท้ายขนาด 1 เข้าไป 'begin' + NDIMS - dims()

ขนาดด้านในด้านนอกแบบแบน

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

ขนาดภายนอกแบบแบน

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

ส่งคืนข้อมูลในรูปแบบ Eigen::Tensor ที่มีมิติ NDIMS โดยยุบรวมมิติ Tensor ทั้งหมด ยกเว้น NDIMS-1 แรก เข้าไว้ในมิติสุดท้ายของผลลัพธ์

ถ้า NDIMS > dims() ระบบจะเพิ่มมิติข้อมูลส่วนท้ายขนาด 1 เพื่อให้ลำดับของผลลัพธ์เป็น NDIMS

ขนาดภายนอกแบบแบน

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

เมทริกซ์

TTypes< T >::Matrix matrix()

เมทริกซ์

TTypes< T >::ConstMatrix matrix() const

ตัวดำเนินการ =

Tensor & operator=(
  const Tensor & other
)

ตัวดำเนินการกำหนดค่า เทนเซอร์นี้ใช้พื้นที่จัดเก็บข้อมูลร่วมกับเทนเซอร์อื่น

ตัวดำเนินการ =

Tensor & operator=(
  Tensor && other
)

ตัวดำเนินการเคลื่อนย้าย โปรดดูตัวสร้างการเคลื่อนย้ายสำหรับรายละเอียดเพิ่มเติม

ตีความมิติสุดท้ายใหม่

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

ส่งกลับข้อมูลเทนเซอร์ไปยัง Eigen::Tensor โดยแปลงองค์ประกอบมิติสุดท้ายให้เป็นองค์ประกอบเดี่ยวที่มีชนิดข้อมูลใหญ่กว่า

ตัวอย่างเช่น วิธีนี้มีประโยชน์สำหรับเคอร์เนลที่สามารถประมวลผลเทนเซอร์ NCHW_VECT_C int8 เป็นเทนเซอร์ NCHW int32 ได้ ขนาดของ T ควรเท่ากับขนาดของประเภทองค์ประกอบดั้งเดิม * จำนวนองค์ประกอบในมิติสุดท้ายดั้งเดิม NDIMS ควรน้อยกว่าจำนวนมิติเดิม 1

ตีความมิติสุดท้ายใหม่

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

ส่งกลับข้อมูลเทนเซอร์ไปยัง Eigen::Tensor โดยแปลงองค์ประกอบมิติสุดท้ายให้เป็นองค์ประกอบเดี่ยวที่มีชนิดข้อมูลขนาดใหญ่กว่า

สเกลาร์

TTypes< T >::Scalar scalar()

ส่งคืนข้อมูล Tensor ในรูปแบบ TensorMap ที่มีขนาดคงที่ 1: TensorMap > .

การใช้ scalar() ช่วยให้คอมไพเลอร์สามารถทำการปรับแต่งได้ เนื่องจากทราบขนาดของเทนเซอร์ในระหว่างการคอมไพล์

สเกลาร์

TTypes< T >::ConstScalar scalar() const

รูปร่าง

const TensorShape & shape() const

ส่งคืนรูปร่างของเทนเซอร์

รูปทรง

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

รูปทรง

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

เทนเซอร์

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

เทนเซอร์

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

เทนเซอร์_ดาต้า

StringPiece tensor_data() const

ส่งคืนค่า StringPiece ที่แมปบัฟเฟอร์ของเทนเซอร์ปัจจุบัน

StringPiece ที่ส่งคืนมาอาจชี้ไปยังตำแหน่งหน่วยความจำบนอุปกรณ์ที่ CPU ไม่สามารถเข้าถึงได้โดยตรง

หมายเหตุ: บัฟเฟอร์เทนเซอร์พื้นฐานมีการนับจำนวนการอ้างอิง ดังนั้นอายุการใช้งานของเนื้อหาที่แมปโดย StringPiece จะตรงกับอายุการใช้งานของบัฟเฟอร์ ผู้เรียกควรจัดการเพื่อให้แน่ใจว่าบัฟเฟอร์จะไม่ถูกทำลายในขณะที่ StringPiece ยังคงถูกใช้งานอยู่

ต้องใช้: DataTypeCanUseMemcpy(dtype())

แบนที่ไม่จัดแนว

TTypes< T >::UnalignedFlat unaligned_flat()

แบนที่ไม่จัดแนว

TTypes< T >::UnalignedConstFlat unaligned_flat() const

รูปร่างไม่ตรงแนว

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

รูปร่างไม่ตรงแนว

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

เวกเตอร์

TTypes< T >::Vec vec()

ส่งคืนข้อมูลเทนเซอร์ในรูปแบบ Eigen::Tensor โดยใช้ประเภทและขนาดของเทนเซอร์นี้

ใช้วิธีการเหล่านี้เมื่อคุณทราบชนิดข้อมูลและจำนวนมิติของ Tensor และต้องการให้ Eigen::Tensor มีขนาดเท่ากับขนาดของ Tensor โดยอัตโนมัติ การตรวจสอบการใช้งานจะล้มเหลวหากชนิดข้อมูลหรือขนาดไม่ตรงกัน

ตัวอย่าง:

  
    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

เวอร์ชันคงที่ของวิธีการทั้งหมดข้างต้น

~เทนเซอร์

 ~Tensor()

เทนเซอร์โฟลว์::เทนเซอร์

สรุป

ตัวสร้างและตัวทำลาย

หน้าที่สาธารณะ

หน้าที่สาธารณะ

ไบต์ที่จัดสรร

แอสโปรโตฟิลด์

แอสโปรโตเทนเซอร์คอนเทนต์

บิตแคสต์จาก

คัดลอกจาก

ดีบักสตริง

ดีบักสตริง

DeviceSafeDebugString

กรอกรายละเอียด

จากโปรโต

จากโปรโต

จัดแนวแล้ว

ได้รับการเริ่มต้นแล้ว

ขนาดเท่ากัน

จำนวนองค์ประกอบ

แชร์บัฟเฟอร์กับ

ชิ้น

ซับสไลซ์

สรุปค่า

เทนเซอร์

Tensor

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

เทนเซอร์

ไบต์ทั้งหมด

สำเนาที่ไม่ปลอดภัยจากภายใน

บิตแคสต์_รูปทรง

บิตแคสต์_รูปทรง

บิต_แคสต์_เทนเซอร์

บิต_แคสต์_เทนเซอร์

ขนาด

ดิมส์

dtype

แบน

flat

ขนาดภายในแบบแบน

ขนาดภายในแบบแบน

ขนาดด้านในด้านนอกแบบแบน

ขนาดด้านในด้านนอกแบบแบน

ขนาดภายนอกแบบแบน

ขนาดภายนอกแบบแบน

เมทริกซ์

เมทริกซ์

ตัวดำเนินการ =

ตัวดำเนินการ =

ตีความมิติสุดท้ายใหม่

ตีความมิติสุดท้ายใหม่

สเกลาร์

สเกลาร์