หน้านี้ได้รับการแปลโดย Cloud Translation API

เทนเซอร์โฟลว์:: เทนเซอร์

#include <tensor.h>

แสดงถึงอาร์เรย์ n มิติของค่า

สรุป

ตัวสร้างและผู้ทำลาย
`Tensor ()` สร้างเทนเซอร์โฟลต 1 มิติ 0 องค์ประกอบ
`Tensor (DataType type, const TensorShape & shape)` สร้าง เทนเซอร์ ตาม `type` และ `shape` ที่กำหนด
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` สร้างเทนเซอร์ที่มี `type` อินพุตและ `shape` โดยใช้ตัวจัดสรร `a` เพื่อจัดสรรบัฟเฟอร์พื้นฐาน
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` สร้างเทนเซอร์ที่มี `type` อินพุตและ `shape` โดยใช้ตัวจัดสรร `a` และ "allocation_attr" ที่ระบุเพื่อจัดสรรบัฟเฟอร์พื้นฐาน
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` สร้างเทนเซอร์ที่มีประเภทข้อมูล รูปร่าง และ buf อินพุต
`Tensor (DataType type)` สร้าง เทนเซอร์ ว่างของประเภทข้อมูลที่กำหนด
`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)` ตัวสร้างการคัดลอก
`Tensor ( Tensor && other)` ย้ายตัวสร้าง
`~Tensor ()`

งานสาธารณะ
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` เติม `proto` ด้วย `*this`
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` คัดลอกเทนเซอร์ตัวอื่นลงในเทนเซอร์นี้ ปรับรูปร่างใหม่ และตีความประเภทข้อมูลของบัฟเฟอร์ใหม่
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` คัดลอกเทนเซอร์อีกตัวหนึ่งลงในเทนเซอร์นี้แล้วปรับรูปร่างใหม่
`DebugString (int num_values) const`	`string` ข้อมูลสรุปเทนเซอร์ที่มนุษย์อ่านได้ซึ่งเหมาะสำหรับการดีบัก
`DebugString () const`	`string`
`DeviceSafeDebugString () const`	`string`
`FillDescription (TensorDescription *description) const`	`void` กรอกโปรโต `TensorDescription` ด้วยข้อมูลเมตาเกี่ยวกับเทนเซอร์ที่มีประโยชน์สำหรับการตรวจสอบและการแก้ไขข้อบกพร่อง
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` แยกวิเคราะห์ `other` และสร้างเทนเซอร์
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` คืนค่าเป็นจริงหากเทนเซอร์นี้อยู่ในแนวเดียวกัน
`IsInitialized () const`	`bool` หากจำเป็น Tensor นี้ได้รับการเตรียมใช้งานแล้วหรือไม่
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์
`RefCountIsOne () const`	`bool`
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` แบ่งเทนเซอร์นี้ตามมิติที่ 1
`SubSlice (int64 index) const`	`Tensor` เลือกชิ้นส่วนย่อยจากเทนเซอร์นี้ตามมิติที่ 1
`SummarizeValue (int64 max_entries, bool print_v2) const`	`string` แสดงค่า `max_entries` แรกใน `*this` ลงในสตริง
`TotalBytes () const`	`size_t` ส่งคืนการใช้หน่วยความจำโดยประมาณของเทนเซอร์นี้
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` เช่นเดียวกับ BitcastFrom แต่ CHECK จะล้มเหลวหากไม่ตรงตามเงื่อนไขเบื้องต้น
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` ด้วยรูปร่างใหม่ที่ระบุใน `new_sizes` และส่งไปยัง dtype `T` ใหม่
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` ด้วยรูปร่างใหม่ที่ระบุใน `new_sizes` และส่งไปยัง dtype `T` ใหม่
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` ที่มีขนาดเท่ากัน แต่ส่งค่าบิตไปยัง dtype `T` ที่ระบุ
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` ที่มีขนาดเท่ากัน แต่ส่งค่าบิตไปยัง dtype `T` ที่ระบุ
`data () const`	`void *`
`dim_size (int d) const`	`int64` อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์
`dims () const`	`int` อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์
`dtype () const`	`DataType` ส่งกลับชนิดข้อมูล
`flat ()`	`TTypes< T >::Flat` ส่งคืนข้อมูลเทนเซอร์เป็น `Eigen::Tensor` ของประเภทข้อมูลและรูปร่างที่ระบุ
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเป็น Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor ทั้งหมดยกเว้น NDIMS-1 สุดท้ายไปเป็นมิติแรกของผลลัพธ์
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเป็น Eigen::Tensor พร้อมมิติ NDIMS โดยยุบมิติ Tensor 'เริ่มต้น' แรกไปเป็นมิติแรกของผลลัพธ์และมิติ Tensor ของ dims สุดท้าย () - 'begin' - NDIMS ลงในมิติสุดท้ายของ ผลลัพธ์.
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเป็น Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor ทั้งหมดยกเว้น NDIMS-1 แรกไปไว้ในมิติสุดท้ายของผลลัพธ์
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` กำหนดผู้ปฏิบัติงาน เทนเซอร์นี้แชร์พื้นที่เก็บข้อมูลพื้นฐานของผู้อื่น
`operator= ( Tensor && other)`	`Tensor &` ย้ายตัวดำเนินการ ดูตัวสร้างการย้ายสำหรับรายละเอียด
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` โดยที่องค์ประกอบมิติสุดท้ายถูกแปลงเป็นองค์ประกอบเดี่ยวประเภทที่ใหญ่กว่า
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` ส่งคืนข้อมูลเทนเซอร์ไปยัง `Eigen::Tensor` โดยที่องค์ประกอบมิติสุดท้ายถูกแปลงเป็นองค์ประกอบเดี่ยวประเภทที่ใหญ่กว่า
`scalar ()`	`TTypes< T >::Scalar` ส่งคืนข้อมูล Tensor เป็น `TensorMap` ขนาดคงที่ 1: `TensorMap >` `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` ส่งกลับรูปร่างของเทนเซอร์
`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` ส่งคืนการแมป `StringPiece` ที่บัฟเฟอร์ของเทนเซอร์ปัจจุบัน
`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` ส่งคืนข้อมูลเทนเซอร์เป็น `Eigen::Tensor` พร้อมประเภทและขนาดของ `Tensor` นี้
`vec () const`	`TTypes< T >::ConstVec` เวอร์ชัน Const ของวิธีการทั้งหมดข้างต้น

งานสาธารณะ

ไบต์ที่จัดสรร

size_t AllocatedBytes() const

AsProtoField

void AsProtoField(
  TensorProto *proto
) const

เติม proto ด้วย *this

AsProtoField() กรอกข้อมูลในช่องที่ซ้ำสำหรับ proto.dtype() ในขณะที่ AsProtoTensorContent() เข้ารหัสเนื้อหาใน proto.tensor_content() ในรูปแบบกะทัดรัด

AsProtoTensorContent

void AsProtoTensorContent(
  TensorProto *proto
) const

BitcastFrom

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

คัดลอกเทนเซอร์ตัวอื่นลงในเทนเซอร์นี้ ปรับรูปร่างใหม่ และตีความประเภทข้อมูลของบัฟเฟอร์ใหม่

หากส่งคืน Status::OK() แสดงว่าเทนเซอร์สองตัวแชร์ที่เก็บข้อมูลพื้นฐานเดียวกัน

การเรียกนี้ต้องการให้เทนเซอร์ other และประเภทและรูปร่างที่กำหนดนั้น "เข้ากันได้" (กล่าวคือ พวกมันใช้จำนวนไบต์เท่ากัน)

โดยเฉพาะ:

รูปร่าง num_elements () * DataTypeSize (ชนิด)

ต้องเท่ากัน

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

นอกจากนี้ ฟังก์ชันนี้ต้องการ:

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

หากไม่เป็นไปตามข้อกำหนดใดๆ ข้อผิดพลาด::InvalidArgument จะถูกส่งกลับ

คัดลอกจาก

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

คัดลอกเทนเซอร์อีกตัวหนึ่งลงในเทนเซอร์นี้แล้วปรับรูปร่างใหม่

เทนเซอร์นี้แชร์พื้นที่เก็บข้อมูลพื้นฐานของผู้อื่น คืนค่า true if other.shape() มีจำนวนองค์ประกอบของ shape ที่กำหนดเท่ากัน

DebugString

string DebugString(
  int num_values
) const

ข้อมูลสรุปเทนเซอร์ที่มนุษย์อ่านได้ซึ่งเหมาะสำหรับการดีบัก

DebugString

string DebugString() const

DeviceSafeDebugString

string DeviceSafeDebugString() const

กรอกคำอธิบาย

void FillDescription(
  TensorDescription *description
) const

กรอกโปรโต TensorDescription ด้วยข้อมูลเมตาเกี่ยวกับเทนเซอร์ที่มีประโยชน์สำหรับการตรวจสอบและการแก้ไขข้อบกพร่อง

จากโปรโต

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

แยกวิเคราะห์ other และสร้างเทนเซอร์

คืนค่า true หากการแยกวิเคราะห์สำเร็จ หากการแยกวิเคราะห์ล้มเหลว สถานะของ *this จะไม่เปลี่ยนแปลง

จากโปรโต

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

อยู่ในแนวเดียวกัน

bool IsAligned() const

คืนค่าเป็นจริงหากเทนเซอร์นี้อยู่ในแนวเดียวกัน

เป็นค่าเริ่มต้น

bool IsInitialized() const

หากจำเป็น Tensor นี้ได้รับการเตรียมใช้งานแล้วหรือไม่

เทนเซอร์แบบไม่มีองค์ประกอบจะถือว่าเริ่มต้นได้เสมอ แม้ว่าจะไม่เคยถูกกำหนดให้และไม่มีการจัดสรรหน่วยความจำก็ตาม

มีขนาดเดียวกัน

bool IsSameSize(
  const Tensor & b
) const

NumElements

int64 NumElements() const

อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์

RefCountIsOne

bool RefCountIsOne() const

แบ่งปันบัฟเฟอร์ด้วย

bool SharesBufferWith(
  const Tensor & b
) const

ชิ้น

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

แบ่งเทนเซอร์นี้ตามมิติที่ 1

กล่าวคือเทนเซอร์ที่ส่งคืนเป็นไปตามที่ส่งคืน[i, ...] == this[dim0_start + i, ...] เทนเซอร์ที่ส่งคืนจะแบ่งบัฟเฟอร์เทนเซอร์พื้นฐานกับเทนเซอร์นี้

หมายเหตุ: เทนเซอร์ที่ส่งคืนอาจไม่เป็นไปตามข้อกำหนดการจัดตำแหน่งเดียวกันกับเทนเซอร์นี้ ทั้งนี้ขึ้นอยู่กับรูปร่าง ผู้เรียกจะต้องตรวจสอบการจัดตำแหน่งเทนเซอร์ที่ส่งคืนก่อนที่จะเรียกวิธีการบางอย่างที่มีข้อกำหนดการจัดตำแหน่ง (เช่น flat() , tensor() )

หมายเหตุ: เมื่อป้อนด้วยเทนเซอร์ขนาด N วิธีการนี้จะส่งคืนเทนเซอร์ที่มีขนาด N เช่นกัน หากคุณต้องการเลือกเทนเซอร์ย่อย โปรดดูที่ SubSlice

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

ซับสไลซ์

Tensor SubSlice(
  int64 index
) const

เลือกชิ้นส่วนย่อยจากเทนเซอร์นี้ตามมิติที่ 1

เมื่อป้อนด้วยเทนเซอร์ขนาด N วิธีการนี้จะส่งคืนเทนเซอร์ที่มีขนาด N-1 โดยที่เทนเซอร์ที่ส่งคืนจะเป็นส่วนย่อยของเทนเซอร์อินพุตตามมิติแรก ขนาด N-1 ของเทนเซอร์ที่ส่งคืนคือขนาด N-1 สุดท้ายของเทนเซอร์อินพุต

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

สรุปคุณค่า

string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

แสดงค่า max_entries แรกใน *this ลงในสตริง

เทนเซอร์

 Tensor()

สร้างเทนเซอร์โฟลต 1 มิติ 0 องค์ประกอบ

เทนเซอร์ ที่ส่งคืนไม่ใช่สเกลาร์ (รูปร่าง {}) แต่เป็น เทนเซอร์ มิติเดียวที่ว่างเปล่าแทน (รูปร่าง {0}, NumElements() == 0) เนื่องจากไม่มีองค์ประกอบ จึงไม่จำเป็นต้องกำหนดค่าและกำหนดค่าเริ่มต้นตามค่าเริ่มต้น ( IsInitialized() เป็นจริง) หากเป็นสิ่งที่ไม่พึงประสงค์ ให้พิจารณาสร้างสเกลาร์องค์ประกอบเดียวซึ่งจำเป็นต้องมีการกำหนดค่าเริ่มต้น:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

สร้าง เทนเซอร์ ตาม type และ shape ที่กำหนด

หาก LogMemory::IsEnabled() การจัดสรรจะถูกบันทึกว่ามาจากเคอร์เนลและขั้นตอนที่ไม่รู้จัก การเรียกตัวสร้าง Tensor โดยตรงจากภายใน Op นั้นเลิกใช้แล้ว: ใช้วิธี OpKernelConstruction/OpKernelContext allowance_* เพื่อจัดสรรเทนเซอร์ใหม่ ซึ่งจะบันทึกเคอร์เนลและขั้นตอน

บัฟเฟอร์พื้นฐานได้รับการจัดสรรโดยใช้ CPUAllocator

เทนเซอร์

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

สร้างเทนเซอร์ที่มี type อินพุตและ shape โดยใช้ตัวจัดสรร a เพื่อจัดสรรบัฟเฟอร์พื้นฐาน

a มีอายุการใช้งานยาวนานกว่าอายุการใช้งานของ Tensor นี้

เทนเซอร์

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

สร้างเทนเซอร์ที่มี type อินพุตและ shape โดยใช้ตัวจัดสรร a และ "allocation_attr" ที่ระบุเพื่อจัดสรรบัฟเฟอร์พื้นฐาน

หากทราบเคอร์เนลและขั้นตอน allocation_attr.allocation_will_be_logged ควรตั้งค่าเป็นจริงและ LogMemory::RecordTensorAllocation ควรถูกเรียกหลังจากสร้างเมตริกซ์แล้ว การเรียกตัวสร้าง Tensor โดยตรงจากภายใน Op นั้นเลิกใช้แล้ว: ใช้วิธี OpKernelConstruction/OpKernelContext allowance_* เพื่อจัดสรรเทนเซอร์ใหม่ ซึ่งจะบันทึกเคอร์เนลและขั้นตอน

a มีอายุการใช้งานยาวนานกว่าอายุการใช้งานของ Tensor นี้

เทนเซอร์

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

สร้างเทนเซอร์ที่มีประเภทข้อมูล รูปร่าง และ buf อินพุต

ได้รับการอ้างอิง buf ที่เป็นของ Tensor นี้

เทนเซอร์

 Tensor(
  DataType type
)

สร้าง เทนเซอร์ ว่างของประเภทข้อมูลที่กำหนด

เช่นเดียวกับ Tensor() ส่งคืน Tensor 1 มิติ 0 องค์ประกอบโดย IsInitialized() ส่งคืน True ดูเอกสารประกอบ Tensor() สำหรับรายละเอียด

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
)

ตัวสร้างการคัดลอก

เทนเซอร์

 Tensor(
  Tensor && other
)

ย้ายตัวสร้าง

หลังจากการโทรนี้ สามารถทำลายได้อย่างปลอดภัยและสามารถกำหนดให้กับมันได้ แต่การเรียกใช้อื่นๆ (เช่น การปรับแต่งรูปร่าง) นั้นไม่ถูกต้อง

จำนวนไบต์ทั้งหมด

size_t TotalBytes() const

ส่งคืนการใช้หน่วยความจำโดยประมาณของเทนเซอร์นี้

ไม่ปลอดภัย CopyFromInternal

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

เช่นเดียวกับ BitcastFrom แต่ CHECK จะล้มเหลวหากไม่ตรงตามเงื่อนไขเบื้องต้น

เลิกใช้แล้ว ใช้ BitcastFrom แทนและตรวจสอบสถานะที่ส่งคืน

bit_casted_รูป

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

ส่งคืนข้อมูลเทนเซอร์ไปยัง Eigen::Tensor ด้วยรูปร่างใหม่ที่ระบุใน new_sizes และส่งไปยัง dtype T ใหม่

การใช้บิตคาสต์มีประโยชน์สำหรับการย้ายและคัดลอก บิตคาสต์ที่อนุญาตนั้นแตกต่างเพียงอย่างเดียวจาก shaped()

bit_casted_รูป

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

bit_casted_tensor

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

ส่งคืนข้อมูลเทนเซอร์ไปยัง Eigen::Tensor ที่มีขนาดเท่ากัน แต่ส่งค่าบิตไปยัง dtype T ที่ระบุ

การใช้บิตคาสต์มีประโยชน์สำหรับการย้ายและคัดลอก หมายเหตุ: นี่เป็นเช่นเดียวกับ tensor() ยกเว้นบิตคาสต์ที่ได้รับอนุญาต

bit_casted_tensor

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

ข้อมูล

void * data() const

dim_size

int64 dim_size(
  int d
) const

อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์

สลัว

int dims() const

อุปกรณ์เสริมที่สะดวกสำหรับรูปทรงเทนเซอร์

สำหรับตัวเข้าถึงรูปร่างทั้งหมด โปรดดูความคิดเห็นสำหรับวิธีการที่เกี่ยวข้องของ TensorShape ใน tensor_shape.h

ประเภท

DataType dtype() const

ส่งกลับชนิดข้อมูล

แบน

TTypes< T >::Flat flat()

ส่งคืนข้อมูลเทนเซอร์เป็น Eigen::Tensor ของประเภทข้อมูลและรูปร่างที่ระบุ

วิธีการเหล่านี้ช่วยให้คุณเข้าถึงข้อมูลตามขนาดและขนาดที่คุณเลือกได้ คุณไม่จำเป็นต้องทราบจำนวนมิติของ เทนเซอร์ จึงจะเรียกได้ อย่างไรก็ตาม พวกเขา CHECK ว่าประเภทตรงกันและขนาดที่ร้องขอจะสร้าง Eigen::Tensor ที่มีองค์ประกอบจำนวนเท่ากันกับเทนเซอร์

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({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()

ส่งคืนข้อมูลเป็น Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor ทั้งหมดยกเว้น NDIMS-1 สุดท้ายไปเป็นมิติแรกของผลลัพธ์

หาก NDIMS > dims() ดังนั้นมิตินำหน้าขนาด 1 จะถูกเพิ่มเพื่อสร้างอันดับเอาต์พุต 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
)

ส่งคืนข้อมูลเป็น Eigen::Tensor พร้อมมิติ NDIMS โดยยุบมิติ Tensor 'เริ่มต้น' แรกไปเป็นมิติแรกของผลลัพธ์และมิติ Tensor ของ dims สุดท้าย () - 'begin' - NDIMS ลงในมิติสุดท้ายของ ผลลัพธ์.

ถ้า 'begin' < 0 แสดงว่า |'begin'| จะมีการเพิ่มมิตินำหน้าขนาด 1 หาก 'begin' + NDIMS > dims() ดังนั้น 'begin' + NDIMS - dims() ส่วนต่อท้ายของขนาด 1 จะถูกเพิ่ม

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()

ส่งคืนข้อมูลเป็น Eigen::Tensor ที่มีมิติ NDIMS โดยยุบมิติ Tensor ทั้งหมดยกเว้น NDIMS-1 แรกไปไว้ในมิติสุดท้ายของผลลัพธ์

หาก NDIMS > dims() มิติข้อมูลต่อท้ายขนาด 1 จะถูกเพิ่มเพื่อสร้างอันดับเอาต์พุต NDIMS

flat_outer_dims

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

เมทริกซ์

TTypes< T >::Matrix matrix()

เมทริกซ์

TTypes< T >::ConstMatrix matrix() const

โอเปอเรเตอร์=

Tensor & operator=(
  const Tensor & other
)

กำหนดผู้ปฏิบัติงาน เทนเซอร์นี้แชร์พื้นที่เก็บข้อมูลพื้นฐานของผู้อื่น

โอเปอเรเตอร์=

Tensor & operator=(
  Tensor && other
)

ย้ายตัวดำเนินการ ดูตัวสร้างการย้ายสำหรับรายละเอียด

ตีความ_last_มิติใหม่อีกครั้ง

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

ส่งคืนข้อมูลเทนเซอร์ไปยัง Eigen::Tensor โดยที่องค์ประกอบมิติสุดท้ายถูกแปลงเป็นองค์ประกอบเดี่ยวประเภทที่ใหญ่กว่า

ตัวอย่างเช่น สิ่งนี้มีประโยชน์สำหรับเคอร์เนลที่สามารถถือว่าเทนเซอร์ NCHW_VECT_C int8 เป็นเทนเซอร์ NCHW int32 sizeof(T) ควรเท่ากับขนาดขององค์ประกอบดั้งเดิมประเภท * num องค์ประกอบในมิติสุดท้ายดั้งเดิม NDIMS ควรน้อยกว่าจำนวนมิติข้อมูลเดิม 1

ตีความ_last_มิติใหม่อีกครั้ง

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

สเกลาร์

TTypes< T >::Scalar scalar()

ส่งคืนข้อมูล Tensor เป็น TensorMap ขนาดคงที่ 1: TensorMap > TensorMap > .

การใช้ scalar() ช่วยให้คอมไพเลอร์สามารถเพิ่มประสิทธิภาพได้ เนื่องจากทราบขนาดของเทนเซอร์ ณ เวลาคอมไพล์

สเกลาร์

TTypes< T >::ConstScalar scalar() const

รูปร่าง

const TensorShape & shape() const

ส่งกลับรูปร่างของเทนเซอร์

มีรูปร่าง

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

มีรูปร่าง

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

เทนเซอร์

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

เทนเซอร์

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

tensor_data

StringPiece tensor_data() const

ส่งคืนการแมป StringPiece ที่บัฟเฟอร์ของเทนเซอร์ปัจจุบัน

StringPiece ที่ส่งคืนอาจชี้ไปที่ตำแหน่งหน่วยความจำบนอุปกรณ์ที่ CPU ไม่สามารถระบุที่อยู่ได้โดยตรง

หมายเหตุ: เทนเซอร์บัฟเฟอร์พื้นฐานจะถูกนับใหม่ ดังนั้นอายุการใช้งานของเนื้อหาที่แมปโดย StringPiece จะตรงกับอายุการใช้งานของบัฟเฟอร์ ผู้โทรควรจัดเตรียมเพื่อให้แน่ใจว่าบัฟเฟอร์ไม่ถูกทำลายในขณะที่ StringPiece ยังคงใช้งานอยู่

ต้องการ: DataTypeCanUseMemcpy(dtype())

ไม่จัดแนว_flat

TTypes< T >::UnalignedFlat unaligned_flat()

ไม่จัดแนว_flat

TTypes< T >::UnalignedConstFlat unaligned_flat() const

ไม่จัดแนว_รูป

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

ไม่จัดแนว_รูป

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

เวค

TTypes< T >::Vec vec()

ส่งคืนข้อมูลเทนเซอร์เป็น Eigen::Tensor พร้อมประเภทและขนาดของ Tensor นี้

ใช้วิธีการเหล่านี้เมื่อคุณทราบประเภทข้อมูลและจำนวนขนาดของ Tensor และคุณต้องการให้ Eigen::Tensor กำหนดขนาดตามขนาด Tensor โดยอัตโนมัติ การตรวจสอบการใช้งานจะล้มเหลวหากประเภทหรือขนาดไม่ตรงกัน

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(); // 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

เวอร์ชัน Const ของวิธีการทั้งหมดข้างต้น

~เทนเซอร์

 ~Tensor()

เทนเซอร์โฟลว์:: เทนเซอร์

สรุป

ตัวสร้างและผู้ทำลาย

งานสาธารณะ

งานสาธารณะ

ไบต์ที่จัดสรร

AsProtoField

AsProtoTensorContent

BitcastFrom

คัดลอกจาก

DebugString

DebugString

DeviceSafeDebugString

กรอกคำอธิบาย

จากโปรโต

จากโปรโต

อยู่ในแนวเดียวกัน

เป็นค่าเริ่มต้น

มีขนาดเดียวกัน

NumElements

RefCountIsOne

แบ่งปันบัฟเฟอร์ด้วย

ชิ้น

ซับสไลซ์

สรุปคุณค่า

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

จำนวนไบต์ทั้งหมด

ไม่ปลอดภัย CopyFromInternal

bit_casted_รูป

bit_casted_รูป

bit_casted_tensor

bit_casted_tensor

ข้อมูล

dim_size

สลัว

ประเภท

แบน

flat

flat_inner_dims

flat_inner_dims

flat_inner_outer_dims

flat_inner_outer_dims

flat_outer_dims

flat_outer_dims

เมทริกซ์

เมทริกซ์

โอเปอเรเตอร์=

โอเปอเรเตอร์=

ตีความ_last_มิติใหม่อีกครั้ง

ตีความ_last_มิติใหม่อีกครั้ง