تمت ترجمة هذه الصفحة بواسطة Cloud Translation API‏.

تدفق التوتر:: الموتر

#include <tensor.h>

يمثل مصفوفة ذات أبعاد n من القيم.

ملخص

البنائين والمدمرين
`Tensor ()` ينشئ موترًا عائمًا أحادي البعد مكونًا من 0 عنصر.
`Tensor (DataType type, const TensorShape & shape)` ينشئ موترًا من `type` `shape` المحددين.
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` ينشئ موترًا `type` الإدخال `shape` ، باستخدام المُخصص `a` لتخصيص المخزن المؤقت الأساسي.
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` ينشئ موترًا `type` الإدخال `shape` ، باستخدام المُخصص `a` و"allocation_attr" المحدد لتخصيص المخزن المؤقت الأساسي.
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` ينشئ موترًا باستخدام نوع بيانات الإدخال والشكل وbuf.
`Tensor (DataType type)` ينشئ Tensor فارغًا لنوع البيانات المحدد.
`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)` نسخ المنشئ.
`Tensor ( Tensor && other)` نقل المنشئ.
`Tensor (T *t)`
`~Tensor ()`

الوظائف العامة
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` يملأ `proto` بمحتوى `*this` الموتر.
`AsProtoTensorContent (TensorProto *proto) const`	`void`
`BitcastFrom (const Tensor & other, DataType dtype, const TensorShape & shape)`	`Status` انسخ الموتر الآخر إلى هذا الموتر، وأعد تشكيله وأعد تفسير نوع بيانات المخزن المؤقت.
`CopyFrom (const Tensor & other, const TensorShape & shape) TF_MUST_USE_RESULT`	`bool` انسخ الموتر الآخر في هذا الموتر وأعد تشكيله.
`DebugString (int num_values) const`	`std::string` ملخص يمكن قراءته بواسطة الإنسان للموتر المناسب لتصحيح الأخطاء.
`DebugString () const`	`std::string`
`DeviceSafeDebugString () const`	`std::string`
`FillDescription (TensorDescription *description) const`	`void` املأ نموذج `TensorDescription` بالبيانات التعريفية حول الموتر المفيدة للمراقبة وتصحيح الأخطاء.
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` تحليل `other` وبناء الموتر.
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` يُرجع صحيحًا إذا تمت محاذاة هذا الموتر.
`IsInitialized () const`	`bool` إذا لزم الأمر، هل تم تهيئة هذا Tensor ؟
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` ملحق مريح لشكل الموتر.
`RefCountIsOne () const`	`bool`
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` قم بتقطيع هذا الموتر على طول البعد الأول.
`SubSlice (int64 index) const`	`Tensor` حدد شريحة فرعية من هذا الموتر على طول البعد الأول.
`SummarizeValue (int64 max_entries, bool print_v2) const`	`std::string` اعرض قيم `max_entries` الأولى في `*this` في سلسلة.
`TotalBytes () const`	`size_t` إرجاع استخدام الذاكرة المقدر لهذا الموتر.
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` مثل BitcastFrom، ولكن يفشل التحقق في حالة عدم استيفاء أي شروط مسبقة.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes)`	`TTypes< T, NDIMS >:: Tensor` أعد بيانات الموتر إلى `Eigen::Tensor` بالشكل الجديد المحدد في `new_sizes` وأرسله إلى dtype `T` جديد.
`bit_casted_shaped (gtl::ArraySlice< int64 > new_sizes) const`	`TTypes< T, NDIMS >::ConstTensor` أعد بيانات الموتر إلى `Eigen::Tensor` بالشكل الجديد المحدد في `new_sizes` وأرسله إلى dtype `T` جديد.
`bit_casted_tensor ()`	`TTypes< T, NDIMS >:: Tensor` قم بإرجاع بيانات الموتر إلى `Eigen::Tensor` بنفس الحجم ولكن يتم تحويلها إلى النوع dtype `T` المحدد.
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` قم بإرجاع بيانات الموتر إلى `Eigen::Tensor` بنفس الحجم ولكن يتم تحويلها إلى النوع dtype `T` المحدد.
`data () const`	`void *`
`dim_size (int d) const`	`int64` ملحق مريح لشكل الموتر.
`dims () const`	`int` ملحق مريح لشكل الموتر.
`dtype () const`	`DataType` إرجاع نوع البيانات.
`flat ()`	`TTypes< T >::Flat` قم بإرجاع بيانات الموتر على هيئة `Eigen::Tensor` لنوع البيانات وشكل محدد.
`flat () const`	`TTypes< T >::ConstFlat`
`flat_inner_dims ()`	`TTypes< T, NDIMS >:: Tensor` تُرجع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي جميع أبعاد Tensor باستثناء NDIMS-1 الأخير في البعد الأول للنتيجة.
`flat_inner_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_inner_outer_dims (int64 begin)`	`TTypes< T, NDIMS >:: Tensor` إرجاع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي أبعاد Tensor "البدء" الأولى في البعد الأول للنتيجة وأبعاد Tensor لآخر dims() - 'begin' - NDIMS في البعد الأخير من نتيجة.
`flat_inner_outer_dims (int64 begin) const`	`TTypes< T, NDIMS >::ConstTensor`
`flat_outer_dims ()`	`TTypes< T, NDIMS >:: Tensor` تُرجع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي جميع أبعاد Tensor باستثناء NDIMS-1 الأول في البعد الأخير للنتيجة.
`flat_outer_dims () const`	`TTypes< T, NDIMS >::ConstTensor`
`matrix ()`	`TTypes< T >::Matrix`
`matrix () const`	`TTypes< T >::ConstMatrix`
`operator= (const Tensor & other)`	`Tensor &` تعيين المشغل. يشارك هذا الموتر التخزين الأساسي للآخرين.
`operator= ( Tensor && other)`	`Tensor &` تحريك المشغل. راجع منشئ النقل للحصول على التفاصيل.
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` قم بإرجاع بيانات الموتر إلى `Eigen::Tensor` مع تحويل عناصر البعد الأخير إلى عناصر فردية من نوع أكبر.
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` قم بإرجاع بيانات الموتر إلى `Eigen::Tensor` مع تحويل عناصر البعد الأخير إلى عناصر فردية من نوع أكبر.
`scalar ()`	`TTypes< T >::Scalar` قم بإرجاع بيانات Tensor في صورة `TensorMap` ذات الحجم الثابت 1: `TensorMap >` `TensorMap >` .
`scalar () const`	`TTypes< T >::ConstScalar`
`shape () const`	`const TensorShape &` إرجاع شكل الموتر.
`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` تُرجع `StringPiece` تعيين المخزن المؤقت للموتر الحالي.
`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` قم بإرجاع بيانات الموتر على هيئة `Eigen::Tensor` مع نوع وأحجام هذا `Tensor` .
`vec () const`	`TTypes< T >::ConstVec` إصدارات Const لجميع الطرق المذكورة أعلاه.

الوظائف العامة

البايتات المخصصة

size_t AllocatedBytes() const

AsProtoField

void AsProtoField(
  TensorProto *proto
) const

يملأ proto بمحتوى *this الموتر.

يملأ AsProtoField() الحقل المتكرر لـ proto.dtype() ، بينما يقوم AsProtoTensorContent() بترميز المحتوى في proto.tensor_content() في نموذج مضغوط.

AsProtoTensorContent

void AsProtoTensorContent(
  TensorProto *proto
) const

BitcastFrom

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

انسخ الموتر الآخر إلى هذا الموتر، وأعد تشكيله وأعد تفسير نوع بيانات المخزن المؤقت.

إذا تم إرجاع الحالة::OK()، فإن الموترين يشتركان الآن في نفس وحدة التخزين الأساسية.

يتطلب هذا الاستدعاء أن يكون الموتر other والنوع والشكل المحددان "متوافقين" (أي يشغلان نفس عدد البايتات).

خاصة:

Shape.num_elements() * DataTypeSize(type)

يجب أن يساوي

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

بالإضافة إلى ذلك، تتطلب هذه الوظيفة ما يلي:

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

إذا لم يتم استيفاء أي من المتطلبات، فسيتم إرجاع الأخطاء::InvalidArgument.

نسخ من

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

انسخ الموتر الآخر في هذا الموتر وأعد تشكيله.

يشارك هذا الموتر التخزين الأساسي للآخرين. تُرجع true إذا كان other.shape() ‎ يحتوي على نفس عدد عناصر shape المحدد.

DebugString

std::string DebugString(
  int num_values
) const

ملخص يمكن قراءته بواسطة الإنسان للموتر المناسب لتصحيح الأخطاء.

DebugString

std::string DebugString() const

DeviceSafeDebugString

std::string DeviceSafeDebugString() const

وصف التعبئة

void FillDescription(
  TensorDescription *description
) const

املأ نموذج TensorDescription بالبيانات التعريفية حول الموتر المفيدة للمراقبة وتصحيح الأخطاء.

منبروتو

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

تحليل other وبناء الموتر.

يُرجع true إذا نجح التحليل. إذا فشل التحليل، فلن تتغير حالة *this .

منبروتو

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

IsAligned

bool IsAligned() const

يُرجع صحيحًا إذا تمت محاذاة هذا الموتر.

تمت التهيئة

bool IsInitialized() const

إذا لزم الأمر، هل تم تهيئة هذا Tensor ؟

تعتبر Tensors ذات العنصر الصفري دائمًا مهيأة، حتى لو لم يتم تعيينها مطلقًا ولم يتم تخصيص أي ذاكرة لها.

IsSameSize

bool IsSameSize(
  const Tensor & b
) const

NumElements

int64 NumElements() const

ملحق مريح لشكل الموتر.

RefCountIsOne

bool RefCountIsOne() const

SharesBufferWith

bool SharesBufferWith(
  const Tensor & b
) const

شريحة

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

قم بتقطيع هذا الموتر على طول البعد الأول.

أي أن الموتر الذي تم إرجاعه يفي بإرجاع[i, ...] == this[dim0_start + i, ...]. يشارك الموتر الذي تم إرجاعه المخزن المؤقت للموتر الأساسي مع هذا الموتر.

ملحوظة: قد لا يفي الموتر الذي تم إرجاعه بنفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المتصل التحقق من محاذاة الموتر الذي تم إرجاعه قبل استدعاء طرق معينة تتطلب محاذاة (على سبيل المثال، flat() tensor() ).

ملاحظة: عند تغذيتها بموتر ذو أبعاد N، تقوم هذه الطريقة بإرجاع موتر أيضًا بأبعاد N. إذا كنت تريد تحديد موتر فرعي، راجع SubSlice.

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

شريحة فرعية

Tensor SubSlice(
  int64 index
) const

حدد شريحة فرعية من هذا الموتر على طول البعد الأول.

عند تغذيتها بموتر ذو أبعاد N، تقوم هذه الطريقة بإرجاع موتر بأبعاد N-1، حيث يكون الموتر المرتجع شريحة فرعية من موتر الإدخال على طول البعد الأول. أبعاد N-1 للموتر الذي تم إرجاعه هي أبعاد N-1 الأخيرة لموتر الإدخال.

ملحوظة: قد لا يفي الموتر الذي تم إرجاعه بنفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المستدعي التحقق من محاذاة الموتر الذي تم إرجاعه قبل استدعاء طرق معينة تتطلب محاذاة (على سبيل المثال، flat() tensor() ).

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

تلخيصالقيمة

std::string SummarizeValue(
  int64 max_entries,
  bool print_v2
) const

اعرض قيم max_entries الأولى في *this في سلسلة.

الموتر

 Tensor()

ينشئ موترًا عائمًا أحادي البعد مكونًا من 0 عنصر.

Tensor الذي تم إرجاعه ليس عدديًا (الشكل {})، ولكنه بدلاً من ذلك موتر فارغ أحادي البعد (الشكل {0}، NumElements() == 0). نظرًا لأنه لا يحتوي على عناصر، فلا يحتاج إلى تعيين قيمة له ويتم تهيئته افتراضيًا ( IsInitialized() صحيح). إذا كان هذا غير مرغوب فيه، فكر في إنشاء عددية مكونة من عنصر واحد والتي تتطلب التهيئة:

Tensor(DT_FLOAT, TensorShape({}))

Tensor

 Tensor(
  DataType type,
  const TensorShape & shape
)

ينشئ موترًا من type shape المحددين.

إذا تم تسجيل التخصيص LogMemory::IsEnabled() على أنه قادم من نواة وخطوة غير معروفين. تم إهمال استدعاء منشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction/OpKernelContext allocate_* لتخصيص موتر جديد يسجل النواة والخطوة.

يتم تخصيص المخزن المؤقت الأساسي باستخدام CPUAllocator .

الموتر

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

ينشئ موترًا type الإدخال shape ، باستخدام المُخصص a لتخصيص المخزن المؤقت الأساسي.

a أن يعيش أطول من عمر هذا Tensor .

الموتر

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

ينشئ موترًا type الإدخال shape ، باستخدام المُخصص a و"allocation_attr" المحدد لتخصيص المخزن المؤقت الأساسي.

إذا كانت النواة والخطوة معروفتين، فيجب ضبط المخصص_attr.allocation_will_be_logged على القيمة true ويجب استدعاء LogMemory::RecordTensorAllocation بعد إنشاء الموتر. تم إهمال استدعاء منشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction/OpKernelContext allocate_* لتخصيص موتر جديد يسجل النواة والخطوة.

a أن يعيش أطول من عمر هذا Tensor .

الموتر

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

ينشئ موترًا باستخدام نوع بيانات الإدخال والشكل وbuf.

يكتسب مرجعًا على buf ينتمي إلى Tensor هذا.

الموتر

 Tensor(
  DataType type
)

ينشئ Tensor فارغًا لنوع البيانات المحدد.

مثل Tensor() ‎، تُرجع Tensor أحادي البعد و0 عنصر مع IsInitialized() ‎ الذي يُرجع True. راجع وثائق Tensor() للحصول على التفاصيل.

الموتر

 Tensor(
  float scalar_value
)

الموتر

 Tensor(
  double scalar_value
)

الموتر

 Tensor(
  int32 scalar_value
)

الموتر

 Tensor(
  uint32 scalar_value
)

الموتر

 Tensor(
  uint16 scalar_value
)

الموتر

 Tensor(
  uint8 scalar_value
)

الموتر

 Tensor(
  int16 scalar_value
)

الموتر

 Tensor(
  int8 scalar_value
)

الموتر

 Tensor(
  tstring scalar_value
)

الموتر

 Tensor(
  complex64 scalar_value
)

الموتر

 Tensor(
  complex128 scalar_value
)

الموتر

 Tensor(
  int64 scalar_value
)

الموتر

 Tensor(
  uint64 scalar_value
)

الموتر

 Tensor(
  bool scalar_value
)

الموتر

 Tensor(
  qint8 scalar_value
)

الموتر

 Tensor(
  quint8 scalar_value
)

الموتر

 Tensor(
  qint16 scalar_value
)

الموتر

 Tensor(
  quint16 scalar_value
)

الموتر

 Tensor(
  qint32 scalar_value
)

الموتر

 Tensor(
  bfloat16 scalar_value
)

الموتر

 Tensor(
  Eigen::half scalar_value
)

الموتر

 Tensor(
  ResourceHandle scalar_value
)

الموتر

 Tensor(
  const char *scalar_value
)

الموتر

 Tensor(
  const Tensor & other
)

نسخ المنشئ.

الموتر

 Tensor(
  Tensor && other
)

نقل المنشئ.

بعد هذه المكالمة قابل للتدمير بشكل آمن ويمكن تخصيصه له، ولكن الاستدعاءات الأخرى عليه (مثل معالجة الشكل) غير صالحة.

الموتر

 Tensor(
  T *t
)=delete

إجمالي البايت

size_t TotalBytes() const

إرجاع استخدام الذاكرة المقدر لهذا الموتر.

نسخة غير آمنة من الداخل

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

مثل BitcastFrom، ولكن يفشل التحقق في حالة عدم استيفاء أي شروط مسبقة.

مهمل. استخدم BitcastFrom بدلاً من ذلك وتحقق من الحالة التي تم إرجاعها.

bit_casted_shape

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

أعد بيانات الموتر إلى Eigen::Tensor بالشكل الجديد المحدد في new_sizes وأرسله إلى dtype T جديد.

يعد استخدام البث الثنائي مفيدًا لعمليات النقل والنسخ. البث البتي المسموح به هو الفرق الوحيد عن shaped() .

bit_casted_shape

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

أعد بيانات الموتر إلى Eigen::Tensor بالشكل الجديد المحدد في new_sizes وأرسله إلى dtype T جديد.

يعد استخدام البث الثنائي مفيدًا لعمليات النقل والنسخ. البث البتي المسموح به هو الفرق الوحيد عن shaped() .

bit_casted_tensor

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

قم بإرجاع بيانات الموتر إلى Eigen::Tensor بنفس الحجم ولكن يتم تحويلها إلى النوع dtype T المحدد.

يعد استخدام البث الثنائي مفيدًا لعمليات النقل والنسخ. ملاحظة: هذا هو نفس tensor() باستثناء البث الثنائي المسموح به.

bit_casted_tensor

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

قم بإرجاع بيانات الموتر إلى Eigen::Tensor بنفس الحجم ولكن يتم تحويلها إلى النوع dtype T المحدد.

بيانات

void * data() const

dim_size

int64 dim_size(
  int d
) const

ملحق مريح لشكل الموتر.

يخفت

int dims() const

ملحق مريح لشكل الموتر.

بالنسبة لجميع أدوات الوصول إلى الأشكال، راجع التعليقات الخاصة بالطرق ذات الصلة بـ TensorShape في tensor_shape.h .

dtype

DataType dtype() const

إرجاع نوع البيانات.

مستوي

TTypes< T >::Flat flat()

قم بإرجاع بيانات الموتر على هيئة Eigen::Tensor لنوع البيانات وشكل محدد.

تسمح لك هذه الطرق بالوصول إلى البيانات بالأبعاد والأحجام التي تختارها. لا تحتاج إلى معرفة عدد أبعاد Tensor لتتمكن من الاتصال بها. ومع ذلك، فقد CHECK من تطابق النوع والأبعاد المطلوبة لإنشاء Eigen::Tensor بنفس عدد العناصر مثل الموتر.

مثال:

  
    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()

تُرجع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي جميع أبعاد Tensor باستثناء NDIMS-1 الأخير في البعد الأول للنتيجة.

إذا كان NDIMS > dims() ، فستتم إضافة الأبعاد البادئة بالحجم 1 لجعل رتبة الإخراج 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
)

إرجاع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي أبعاد Tensor "البدء" الأولى في البعد الأول للنتيجة وأبعاد Tensor لآخر dims() - 'begin' - NDIMS في البعد الأخير من نتيجة.

إذا كانت قيمة 'begin' <0، فإن |'begin'| سيتم إضافة الأبعاد الرئيسية للحجم 1. إذا كانت 'begin' + NDIMS > dims() ، فستتم إضافة الأبعاد اللاحقة 'begin' + NDIMS - dims() بالحجم 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()

تُرجع البيانات على هيئة Eigen::Tensor بأبعاد NDIMS، مما يؤدي إلى طي جميع أبعاد Tensor باستثناء NDIMS-1 الأول في البعد الأخير للنتيجة.

إذا كان NDIMS > dims() ، فستتم إضافة الأبعاد اللاحقة بالحجم 1 لجعل NDIMS من رتبة الإخراج.

flat_outer_dims

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

مصفوفة

TTypes< T >::Matrix matrix()

مصفوفة

TTypes< T >::ConstMatrix matrix() const

المشغل=

Tensor & operator=(
  const Tensor & other
)

تعيين المشغل. يشارك هذا الموتر التخزين الأساسي للآخرين.

المشغل=

Tensor & operator=(
  Tensor && other
)

تحريك المشغل. راجع منشئ النقل للحصول على التفاصيل.

reinterpret_last_dimension

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

قم بإرجاع بيانات الموتر إلى Eigen::Tensor مع تحويل عناصر البعد الأخير إلى عناصر فردية من نوع أكبر.

على سبيل المثال، يعد هذا مفيدًا للنوى التي يمكنها التعامل مع موترات NCHW_VECT_C int8 كموترات NCHW int32. يجب أن يساوي sizeof(T) حجم نوع العنصر الأصلي * عدد العناصر في البعد الأخير الأصلي. يجب أن يكون NDIMS أقل بمقدار 1 من العدد الأصلي للأبعاد.

reinterpret_last_dimension

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

قم بإرجاع بيانات الموتر إلى Eigen::Tensor مع تحويل عناصر البعد الأخير إلى عناصر فردية من نوع أكبر.

العددية

TTypes< T >::Scalar scalar()

قم بإرجاع بيانات Tensor في صورة TensorMap ذات الحجم الثابت 1: TensorMap > TensorMap > .

استخدام scalar() يسمح للمترجم بإجراء التحسينات حيث أن حجم الموتر معروف في وقت الترجمة.

العددية

TTypes< T >::ConstScalar scalar() const

شكل

const TensorShape & shape() const

إرجاع شكل الموتر.

على شكل

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

على شكل

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

الموتر

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

الموتر

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

Tensor_data

StringPiece tensor_data() const

تُرجع StringPiece تعيين المخزن المؤقت للموتر الحالي.

قد تشير StringPiece التي تم إرجاعها إلى موقع الذاكرة على الأجهزة التي لا تستطيع وحدة المعالجة المركزية معالجتها مباشرة.

ملاحظة: يتم إعادة حساب المخزن المؤقت للموتر الأساسي، بحيث يتطابق عمر المحتويات المعينة بواسطة StringPiece مع عمر المخزن المؤقت؛ يجب على المتصلين اتخاذ الترتيبات اللازمة للتأكد من عدم إتلاف المخزن المؤقت أثناء استمرار استخدام StringPiece.

يتطلب: DataTypeCanUseMemcpy(dtype()) .

unaligned_flat

TTypes< T >::UnalignedFlat unaligned_flat()

unaligned_flat

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

vec

TTypes< T >::Vec vec()

قم بإرجاع بيانات الموتر على هيئة Eigen::Tensor مع نوع وأحجام هذا Tensor.

استخدم هذه الطرق عندما تعرف نوع البيانات وعدد أبعاد Tensor وتريد تحديد حجم Eigen::Tensor تلقائيًا وفقًا لأحجام Tensor. يفشل التحقق من التنفيذ في حالة عدم تطابق النوع أو الأحجام.

مثال:

  
    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

إصدارات Const لجميع الطرق المذكورة أعلاه.

~ الموتر

 ~Tensor()

تدفق التوتر:: الموتر

ملخص

البنائين والمدمرين

الوظائف العامة

الوظائف العامة

البايتات المخصصة

AsProtoField

AsProtoTensorContent

BitcastFrom

نسخ من

DebugString

DebugString

DeviceSafeDebugString

وصف التعبئة

منبروتو

منبروتو

IsAligned

تمت التهيئة

IsSameSize

NumElements

RefCountIsOne

SharesBufferWith

شريحة

شريحة فرعية

تلخيصالقيمة

الموتر

Tensor

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

الموتر

إجمالي البايت

نسخة غير آمنة من الداخل

bit_casted_shape

bit_casted_shape

bit_casted_tensor

bit_casted_tensor

بيانات

dim_size

يخفت

dtype

مستوي

flat

flat_inner_dims

flat_inner_dims

flat_inner_outer_dims

flat_inner_outer_dims

flat_outer_dims

flat_outer_dims

مصفوفة

مصفوفة

المشغل=

المشغل=

reinterpret_last_dimension