จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
เทนเซอร์โฟลว์:: ปฏิบัติการ:: ข้าม
#include <math_ops.h> คำนวณผลคูณไขว้แบบคู่.
สรุป
a และ b จะต้องมีรูปร่างเหมือนกัน อาจเป็นเวกเตอร์ที่มีองค์ประกอบ 3 องค์ประกอบอย่างง่าย หรือรูปร่างใดๆ ที่มีมิติด้านในสุดคือ 3 ในกรณีหลัง เวกเตอร์ที่มีองค์ประกอบ 3 องค์ประกอบแต่ละคู่จะถูกคูณข้ามอย่างอิสระ
ข้อโต้แย้ง:
- ขอบเขต: วัตถุ ขอบเขต
- a: เทนเซอร์ที่มีเวกเตอร์ 3 องค์ประกอบ
- b: เทนเซอร์อีกตัวหนึ่ง ชนิดและรูปร่างเดียวกัน
a .
ผลตอบแทน:
-
Output : ผลคูณข้ามคู่ของเวกเตอร์ใน a และ b
คุณลักษณะสาธารณะ
งานสาธารณะ
โหนด
::tensorflow::Node * node() const
operator::tensorflow::Input() const
ตัวดำเนินการ::tensorflow::เอาต์พุต
operator::tensorflow::Output() const
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-26 UTC
[null,null,["อัปเดตล่าสุด 2025-07-26 UTC"],[],[],null,["# tensorflow::ops::Cross Class Reference\n\ntensorflow::ops::Cross\n======================\n\n`#include \u003cmath_ops.h\u003e`\n\nCompute the pairwise cross product.\n\nSummary\n-------\n\n`a` and `b` must be the same shape; they can either be simple 3-element vectors, or any shape where the innermost dimension is 3. In the latter case, each pair of corresponding 3-element vectors is cross-multiplied independently.\n\nArguments:\n\n- scope: A [Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- a: A tensor containing 3-element vectors.\n- b: Another tensor, of same type and shape as `a`.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): Pairwise cross product of the vectors in `a` and `b`.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [Cross](#classtensorflow_1_1ops_1_1_cross_1a2d0d3e2d7c97664d9580df02605d9db9)`(const ::`[tensorflow::Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` a, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` b)` ||\n\n| ### Public attributes ||\n|-----------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_cross_1a00b77699cc5ca96059de9e00ba6bad3d) | [Operation](/versions/r2.3/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [product](#classtensorflow_1_1ops_1_1_cross_1af8a37ae245753365a272a83d54cb471f) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\n| ### Public functions ||\n|-----------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_cross_1ac31667b61bd41cbe5ecb0c20852475d9)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_cross_1abafd2b168be8b2ceb0944b95755281eb)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_cross_1a2303acdef93919770fab13f504054c34)`() const ` | ` ` ` ` |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### product\n\n```text\n::tensorflow::Output product\n``` \n\nPublic functions\n----------------\n\n### Cross\n\n```gdscript\n Cross(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input a,\n ::tensorflow::Input b\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n```"]]
