Ta strona została przetłumaczona przez Cloud Translation API.

tensorflow :: Napinacz

#include <tensor.h>

Reprezentuje n-wymiarową tablicę wartości.

streszczenie

Konstruktorzy i niszczyciele
`Tensor ()` Tworzy 1-wymiarowy, 0-elementowy tensor typu float.
`Tensor (DataType type, const TensorShape & shape)` Tworzy Tensor o podanym `type` i `shape` .
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` Tworzy tensor z `type` i `shape` danych wejściowych przy użyciu alokatora `a` do przydzielenia bazowego buforu.
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` Tworzy tensor z `type` i `shape` danych wejściowych, używając alokatora `a` i określonego atrybutu alokacji w celu przydzielenia podstawowego buforu.
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` Tworzy tensor o wejściowym typie danych, kształcie i buforze.
`Tensor (DataType type)` Tworzy pusty Tensor o podanym typie danych.
`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)` Konstruktor kopiujący.
`Tensor ( Tensor && other)` Konstruktor ruchu.
`~Tensor ()`

Funkcje publiczne
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` Wypełnia `proto` `this` zawartością `this` tensora.
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` Skopiuj drugi tensor do tego tensora, zmień jego kształt i ponownie zinterpretuj typ danych bufora.
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` Skopiuj drugi tensor do tego tensora i zmień jego kształt.
`DebugString (int num_values) const`	`string` Czytelne dla człowieka podsumowanie tensora odpowiednie do debugowania.
`DebugString () const`	`string`
`DeviceSafeDebugString () const`	`string`
`FillDescription (TensorDescription *description) const`	`void` Wypełnij `TensorDescription` metadanymi dotyczącymi tensora, które są przydatne do monitorowania i debugowania.
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` Przeanalizuj `other` i utwórz tensor.
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` Zwraca wartość true, jeśli ten tensor jest wyrównany.
`IsInitialized () const`	`bool` Jeśli to konieczne, czy ten Tensor został zainicjowany?
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` Wygodny dodatek do kształtu tensora.
`RefCountIsOne () const`	`bool`
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` Pokrój ten tensor wzdłuż pierwszego wymiaru.
`SubSlice (int64 index) const`	`Tensor` Wybierz podprasę z tego tensora wzdłuż pierwszego wymiaru.
`SummarizeValue (int64 max_entries, bool print_v2) const`	`string` Renderuj pierwsze wartości `max_entries` w `*this` na łańcuch.
`TotalBytes () const`	`size_t` Zwraca szacowane użycie pamięci przez ten tensor.
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` Podobnie jak BitcastFrom, ale CHECK kończy się niepowodzeniem, jeśli nie zostaną spełnione jakiekolwiek warunki wstępne.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` Zwróć dane tensora do `Eigen::Tensor` z nowym kształtem określonym w `new_sizes` i rzuć na nowy dtype `T`
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` Zwróć dane tensora do `Eigen::Tensor` z nowym kształtem określonym w `new_sizes` i rzuć na nowy dtype `T`
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` Zwróć dane tensora do `Eigen::Tensor` o tym samym rozmiarze, ale rzutowane bitowo na określony dtype `T`
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` Zwróć dane tensora do `Eigen::Tensor` o tym samym rozmiarze, ale rzutowane bitowo na określony dtype `T`
`data () const`	`void *`
`dim_size (int d) const`	`int64` Wygodny dodatek do kształtu tensora.
`dims () const`	`int` Wygodny dodatek do kształtu tensora.
`dtype () const`	`DataType` Zwraca typ danych.
`flat ()`	`TTypes< T >::Flat` Zwróć dane tensora jako `Eigen::Tensor` typu danych i określonego kształtu.
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając wszystkie wymiary Tensor oprócz ostatniego NDIMS-1 do pierwszego wymiaru wyniku.
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając pierwszy wymiar tensora „begin” do pierwszego wymiaru wyniku i wymiary tensora ostatniego dims () - „begin” - NDIMS do ostatniego wymiaru elementu wynik.
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając wszystkie wymiary Tensor oprócz pierwszego NDIMS-1 do ostatniego wymiaru wyniku.
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` Przypisz operator. Ten tensor współużytkuje pamięć podstawową innych.
`operator= ( Tensor && other)`	`Tensor &` Operator ruchu. Aby uzyskać szczegółowe informacje, zobacz konstruktor przenoszenia.
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` Zwróć dane tensora do `Eigen::Tensor` z ostatnimi elementami wymiaru przekonwertowanymi na pojedyncze elementy większego typu.
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` Zwróć dane tensora do `Eigen::Tensor` z ostatnimi elementami wymiaru przekonwertowanymi na pojedyncze elementy większego typu.
`scalar ()`	`TTypes< T >::Scalar` Zwróć dane Tensor jako `TensorMap` o stałym rozmiarze 1: `TensorMap >` `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` Zwraca kształt tensora.
`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` Zwraca `StringPiece` mapujący bufor bieżącego tensora.
`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` Zwróć dane tensora jako `Eigen::Tensor` z typem i rozmiarami tego `Tensor` .
`vec () const`	`TTypes< T >::ConstVec` Wersje const wszystkich powyższych metod.

Funkcje publiczne

AllocatedBytes

size_t AllocatedBytes() const

AsProtoField

void AsProtoField(
  TensorProto *proto
) const

Wypełnia proto *this zawartością *this tensora.

AsProtoField() wypełnia powtarzane pole dla proto.dtype() , podczas gdy AsProtoTensorContent() koduje zawartość w proto.tensor_content() w zwartej formie.

AsProtoTensorContent

void AsProtoTensorContent(
  TensorProto *proto
) const

BitcastOd

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

Skopiuj drugi tensor do tego tensora, zmień jego kształt i ponownie zinterpretuj typ danych bufora.

Jeśli Status :: OK () zostanie zwrócony, dwa tensory współdzielą teraz ten sam podstawowy magazyn.

To wywołanie wymaga, aby other tensor oraz dany typ i kształt były „zgodne” (tj. Zajmowały taką samą liczbę bajtów).

Konkretnie:

shape.num_elements () * DataTypeSize (typ)

musi się równać

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

Dodatkowo ta funkcja wymaga:

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

Jeśli którykolwiek z wymagań nie jest spełniony, zwracany jest błąd errors :: InvalidArgument.

Kopiuj z

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

Skopiuj drugi tensor do tego tensora i zmień jego kształt.

Ten tensor współużytkuje pamięć podstawową innych. Zwraca wartość true jeśli other.shape() ma taką samą liczbę elementów o podanym shape .

DebugString

string DebugString(
  int num_values
) const

Czytelne dla człowieka podsumowanie tensora odpowiednie do debugowania.

DebugString

string DebugString() const

DeviceSafeDebugString

string DeviceSafeDebugString() const

FillDescription

void FillDescription(
  TensorDescription *description
) const

Wypełnij TensorDescription metadanymi dotyczącymi tensora, które są przydatne do monitorowania i debugowania.

FromProto

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

Przeanalizuj other i utwórz tensor.

Zwraca wartość true jeśli parsowanie się powiedzie. Jeśli parsowanie nie powiedzie się, stan *this pozostaje niezmieniony.

FromProto

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

IsAligned

bool IsAligned() const

Zwraca wartość true, jeśli ten tensor jest wyrównany.

IsInitialized

bool IsInitialized() const

Jeśli to konieczne, czy ten Tensor został zainicjowany?

Tensory z elementami zerowymi są zawsze uważane za zainicjowane, nawet jeśli nigdy nie zostały przypisane i nie mają przydzielonej pamięci.

IsSameSize

bool IsSameSize(
  const Tensor & b
) const

NumElements

int64 NumElements() const

Wygodny dodatek do kształtu tensora.

RefCountIsOne

bool RefCountIsOne() const

SharesBufferWith

bool SharesBufferWith(
  const Tensor & b
) const

Plasterek

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

Pokrój ten tensor wzdłuż pierwszego wymiaru.

Tzn. Zwrócony tensor spełnia zwrócone [i, ...] == this [dim0_start + i, ...]. Zwrócony tensor współdzieli bazowy bufor tensora z tym tensorem.

UWAGA: Zwrócony tensor może nie spełniać tych samych wymagań dotyczących wyrównania, co ten tensor, w zależności od kształtu. Obiekt wywołujący musi sprawdzić wyrównanie zwróconego tensora przed wywołaniem pewnych metod, które wymagają wyrównania (np. flat() , tensor() ).

UWAGA: Przy zasilaniu tensorem o wymiarach N, ta metoda zwraca tensor również o wymiarach N. Jeśli chcesz wybrać sub tensor, zobacz SubSlice.

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

SubSlice

Tensor SubSlice(
  int64 index
) const

Wybierz podprasę z tego tensora wzdłuż pierwszego wymiaru.

Po zasileniu tensorem N-wymiarowym, metoda ta zwraca tensor o wymiarach N-1, gdzie tensor zwrócony jest podskrawkiem tensora wejściowego wzdłuż pierwszego wymiaru. Wymiary N-1 zwracanego tensora są ostatnimi wymiarami N-1 tensora wejściowego.

WYMAGANIA: dims() > = 1 WYMAGANIA: 0 <= index < dim_size(0)

SummarizeValue

string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

Renderuj pierwsze wartości max_entries w *this na łańcuch.

Napinacz

 Tensor()

Tworzy 1-wymiarowy, 0-elementowy tensor typu float.

Zwrócony Tensor nie jest skalarem (kształtem {}), lecz pustym jednowymiarowym Tensorem (kształt {0}, NumElements () == 0). Ponieważ nie ma żadnych elementów, nie musi mieć przypisanej wartości i jest domyślnie inicjowany ( IsInitialized () ma wartość true). Jeśli jest to niepożądane, rozważ utworzenie jednoelementowego skalara, który wymaga inicjalizacji:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

Tworzy Tensor o podanym type i shape .

Jeśli LogMemory :: IsEnabled () alokacja jest rejestrowana jako pochodząca z nieznanego jądra i kroku. Wywoływanie konstruktora Tensor bezpośrednio z poziomu Oper jest przestarzałe: użyj metod OpKernelConstruction / OpKernelContextocation_ * w celu przydzielenia nowego tensora, który rejestruje jądro i krok.

Bufor bazowy jest przydzielany przy użyciu CPUAllocator .

Napinacz

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

Tworzy tensor z type i shape danych wejściowych przy użyciu alokatora a do przydzielenia bazowego buforu.

musi przeżyć żywotność tego Tensor .

Napinacz

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

Tworzy tensor z type i shape danych wejściowych, używając alokatora a i określonego atrybutu alokacji w celu przydzielenia podstawowego buforu.

Jeśli jądro i krok są znane, alokacja_attr.allocation_will_be_logged powinna mieć wartość true, a LogMemory :: RecordTensorAllocation należy wywołać po skonstruowaniu tensora. Wywoływanie konstruktora Tensor bezpośrednio z poziomu Oper jest przestarzałe: użyj metod OpKernelConstruction / OpKernelContextocation_ * w celu przydzielenia nowego tensora, który rejestruje jądro i krok.

musi przeżyć żywotność tego Tensor .

Napinacz

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

Tworzy tensor o wejściowym typie danych, kształcie i buforze.

Uzyskuje ref na bufie należącym do tego Tensora .

Napinacz

 Tensor(
  DataType type
)

Tworzy pusty Tensor o podanym typie danych.

Podobnie jak Tensor () , zwraca 1-wymiarowy, 0-elementowy Tensor z IsInitialized () zwracającym True. Szczegółowe informacje można znaleźć w dokumentacji Tensor () .

Napinacz

 Tensor(
  float scalar_value
)

Napinacz

 Tensor(
  double scalar_value
)

Napinacz

 Tensor(
  int32 scalar_value
)

Napinacz

 Tensor(
  uint32 scalar_value
)

Napinacz

 Tensor(
  uint16 scalar_value
)

Napinacz

 Tensor(
  uint8 scalar_value
)

Napinacz

 Tensor(
  int16 scalar_value
)

Napinacz

 Tensor(
  int8 scalar_value
)

Napinacz

 Tensor(
  tstring scalar_value
)

Napinacz

 Tensor(
  complex64 scalar_value
)

Napinacz

 Tensor(
  complex128 scalar_value
)

Napinacz

 Tensor(
  int64 scalar_value
)

Napinacz

 Tensor(
  uint64 scalar_value
)

Napinacz

 Tensor(
  bool scalar_value
)

Napinacz

 Tensor(
  qint8 scalar_value
)

Napinacz

 Tensor(
  quint8 scalar_value
)

Napinacz

 Tensor(
  qint16 scalar_value
)

Napinacz

 Tensor(
  quint16 scalar_value
)

Napinacz

 Tensor(
  qint32 scalar_value
)

Napinacz

 Tensor(
  bfloat16 scalar_value
)

Napinacz

 Tensor(
  Eigen::half scalar_value
)

Napinacz

 Tensor(
  ResourceHandle scalar_value
)

Napinacz

 Tensor(
  const char *scalar_value
)

Napinacz

 Tensor(
  const Tensor & other
)

Konstruktor kopiujący.

Napinacz

 Tensor(
  Tensor && other
)

Konstruktor ruchu.

Po tej rozmowie można go bezpiecznie zniszczyć i można do niego przypisać, ale inne wywołania (np. manipulacja kształtami) są nieprawidłowe.

TotalBytes

size_t TotalBytes() const

Zwraca szacowane użycie pamięci przez ten tensor.

UnsafeCopyFromInternal

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

Podobnie jak BitcastFrom, ale CHECK kończy się niepowodzeniem, jeśli nie zostaną spełnione jakiekolwiek warunki wstępne.

Przestarzałe. Zamiast tego użyj BitcastFrom i sprawdź zwrócony stan.

bit_casted_shaped

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

Zwróć dane tensora do Eigen::Tensor z nowym kształtem określonym w new_sizes i rzuć na nowy dtype T

Używanie bitcastu jest przydatne przy operacjach przenoszenia i kopiowania. Dozwolony bitcast jest jedyną różnicą w stosunku do shape shaped() .

bit_casted_shaped

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

Zwróć dane tensora do Eigen::Tensor z nowym kształtem określonym w new_sizes i rzuć na nowy dtype T

Używanie bitcastu jest przydatne przy operacjach przenoszenia i kopiowania. Dozwolony bitcast jest jedyną różnicą w stosunku do shape shaped() .

bit_casted_tensor

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

Zwróć dane tensora do Eigen::Tensor o tym samym rozmiarze, ale rzutowane bitowo na określony dtype T

Używanie bitcastu jest przydatne przy operacjach przenoszenia i kopiowania. UWAGA: to jest to samo, co tensor() z wyjątkiem dozwolonego bitcast.

bit_casted_tensor

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

Zwróć dane tensora do Eigen::Tensor o tym samym rozmiarze, ale rzutowane bitowo na określony dtype T

Używanie bitcastu jest przydatne przy operacjach przenoszenia i kopiowania. UWAGA: to jest to samo, co tensor() z wyjątkiem dozwolonego bitcast.

dane

void * data() const

dim_size

int64 dim_size(
  int d
) const

Wygodny dodatek do kształtu tensora.

ściemnia się

int dims() const

Wygodny dodatek do kształtu tensora.

W przypadku wszystkich metod TensorShape kształtów zobacz komentarze dotyczące odpowiednich metod TensorShape w tensor_shape.h .

dtype

DataType dtype() const

Zwraca typ danych.

mieszkanie

TTypes< T >::Flat flat()

Zwróć dane tensora jako Eigen::Tensor typu danych i określonego kształtu.

Te metody umożliwiają dostęp do danych o wybranych wymiarach i rozmiarach. Nie musisz znać liczby wymiarów Tensora, aby je wywołać. Jednak CHECK , czy typ pasuje, a żądane wymiary tworzą Eigen::Tensor z taką samą liczbą elementów jak tensor.

Przykład:

  
    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()

Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając wszystkie wymiary Tensor oprócz ostatniego NDIMS-1 do pierwszego wymiaru wyniku.

Jeśli NDIMS> dims (), to wiodące wymiary rozmiaru 1 zostaną dodane, aby uzyskać wynikowy ranking 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
)

Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając pierwszy wymiar tensora „begin” do pierwszego wymiaru wyniku i wymiary tensora ostatniego dims () - „begin” - NDIMS do ostatniego wymiaru elementu wynik.

Jeśli „początek” <0, to | „początek” | zostaną dodane wiodące wymiary rozmiaru 1. Jeśli 'begin' + NDIMS> dims () to 'begin' + NDIMS - dims () zostaną dodane końcowe wymiary rozmiaru 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()

Zwraca dane jako Eigen :: Tensor z wymiarami NDIMS, zwijając wszystkie wymiary Tensor oprócz pierwszego NDIMS-1 do ostatniego wymiaru wyniku.

Jeśli NDIMS> dims (), to końcowe wymiary rozmiaru 1 zostaną dodane, aby wynik był równy NDIMS.

flat_outer_dims

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

matryca

TTypes< T >::Matrix matrix()

matryca

TTypes< T >::ConstMatrix matrix() const

operator =

Tensor & operator=(
  const Tensor & other
)

Przypisz operator. Ten tensor współużytkuje pamięć podstawową innych.

operator =

Tensor & operator=(
  Tensor && other
)

Operator ruchu. Aby uzyskać szczegółowe informacje, zobacz konstruktor przenoszenia.

reinterpret_last_dimension

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

Zwróć dane tensora do Eigen::Tensor z ostatnimi elementami wymiaru przekonwertowanymi na pojedyncze elementy większego typu.

Na przykład jest to przydatne w przypadku jąder, które mogą traktować tensory NCHW_VECT_C int8 jako tensory NCHW int32. Rozmiar sizeof (T) powinien być równy rozmiarowi oryginalnego typu elementu * liczba elementów w oryginalnym ostatnim wymiarze. NDIMS powinien być o 1 mniejszy niż oryginalna liczba wymiarów.

reinterpret_last_dimension

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

Zwróć dane tensora do Eigen::Tensor z ostatnimi elementami wymiaru przekonwertowanymi na pojedyncze elementy większego typu.

skalarny

TTypes< T >::Scalar scalar()

Zwróć dane Tensor jako TensorMap o stałym rozmiarze 1: TensorMap > TensorMap > .

Użycie funkcji scalar() umożliwia kompilatorowi przeprowadzenie optymalizacji, ponieważ rozmiar tensora jest znany w czasie kompilacji.

skalarny

TTypes< T >::ConstScalar scalar() const

kształt

const TensorShape & shape() const

Zwraca kształt tensora.

w kształcie

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

w kształcie

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

napinacz

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

napinacz

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

tensor_data

StringPiece tensor_data() const

Zwraca StringPiece mapujący bufor bieżącego tensora.

Zwrócony StringPiece może wskazywać na lokalizację pamięci na urządzeniach, których procesor nie może adresować bezpośrednio.

UWAGA: Bazowy bufor tensora jest zliczany ponownie, więc czas życia zawartości zamapowanej przez StringPiece zgodny z okresem istnienia buforu; osoby wywołujące powinny zorganizować, aby upewnić się, że bufor nie zostanie zniszczony, gdy StringPiece jest nadal używany.

WYMAGANIA: DataTypeCanUseMemcpy(dtype()) .

unaligned_flat

TTypes< T >::UnalignedFlat unaligned_flat()

unaligned_flat

TTypes< T >::UnalignedConstFlat unaligned_flat() const

unaligned_shaped

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

unaligned_shaped

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

vec

TTypes< T >::Vec vec()

Zwróć dane tensora jako Eigen :: Tensor z typem i rozmiarami tego tensora.

Użyj tych metod, gdy znasz typ danych i liczbę wymiarów tensora i chcesz, aby Eigen :: Tensor był automatycznie dopasowywany do rozmiarów tensora. Sprawdzenie implementacji kończy się niepowodzeniem, jeśli typ lub rozmiary są niezgodne.

Przykład:

  
    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

Wersje const wszystkich powyższych metod.

~ Tensor

 ~Tensor()

tensorflow :: Napinacz

streszczenie

Konstruktorzy i niszczyciele

Funkcje publiczne

Funkcje publiczne

AllocatedBytes

AsProtoField

AsProtoTensorContent

BitcastOd

Kopiuj z

DebugString

DebugString

DeviceSafeDebugString

FillDescription

FromProto

FromProto

IsAligned

IsInitialized

IsSameSize

NumElements

RefCountIsOne

SharesBufferWith

Plasterek

SubSlice

SummarizeValue

Napinacz

Tensor

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

Napinacz

TotalBytes

UnsafeCopyFromInternal

bit_casted_shaped

bit_casted_shaped

bit_casted_tensor

bit_casted_tensor

dane

dim_size

ściemnia się

dtype

mieszkanie

flat

flat_inner_dims

flat_inner_dims

flat_inner_outer_dims

flat_inner_outer_dims

flat_outer_dims

flat_outer_dims

matryca

matryca

operator =

operator =

reinterpret_last_dimension

reinterpret_last_dimension