Ta strona została przetłumaczona przez Cloud Translation API.

przepływ tensorowy:: Napinacz

#include <tensor.h>

Reprezentuje n-wymiarową tablicę wartości.

Streszczenie

Konstruktory i destruktory
`Tensor ()` Tworzy jednowymiarowy, 0-elementowy tensor zmiennoprzecinkowy.
`Tensor (DataType type, const TensorShape & shape)` Tworzy Tensor danego `type` i `shape` .
`Tensor (Allocator *a, DataType type, const TensorShape & shape)` Tworzy tensor z `type` danych wejściowych i `shape` , używając alokatora `a` do alokacji bufora bazowego.
`Tensor (Allocator *a, DataType type, const TensorShape & shape, const AllocationAttributes & allocation_attr)` Tworzy tensor z `type` danych wejściowych i `shape` , używając alokatora `a` i określonego „allocation_attr” w celu alokacji bufora bazowego.
`Tensor (DataType type, const TensorShape & shape, TensorBuffer *buf)` Tworzy tensor z wejściowym typem danych, kształtem i bufem.
`Tensor (DataType type)` Tworzy pusty Tensor danego typu 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)` Kopiuj konstruktor.
`Tensor ( Tensor && other)` Przesuń konstruktor.
`Tensor (T *t)`
`~Tensor ()`

Funkcje publiczne
`AllocatedBytes () const`	`size_t`
`AsProtoField (TensorProto *proto) const`	`void` Wypełnia `proto` `*this` zawartością 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`	`std::string` Czytelne dla człowieka podsumowanie tensora odpowiednie do debugowania.
`DebugString () const`	`std::string`
`DeviceSafeDebugString () const`	`std::string`
`FillDescription (TensorDescription *description) const`	`void` Wypełnij proto `TensorDescription` metadanymi dotyczącymi tensora, które są przydatne do monitorowania i debugowania.
`FromProto (const TensorProto & other) TF_MUST_USE_RESULT`	`bool` Przeanalizuj `other` i skonstruuj tensor.
`FromProto (Allocator *a, const TensorProto & other) TF_MUST_USE_RESULT`	`bool`
`IsAligned () const`	`bool` Zwraca wartość true, jeśli tensor jest wyrównany.
`IsInitialized () const`	`bool` Jeśli to konieczne, czy Tensor został zainicjowany?
`IsSameSize (const Tensor & b) const`	`bool`
`NumElements () const`	`int64` Wygodny akcesor dla kształtu tensora.
`RefCountIsOne () const`	`bool`
`SharesBufferWith (const Tensor & b) const`	`bool`
`Slice (int64 dim0_start, int64 dim0_limit) const`	`Tensor` Przetnij ten tensor wzdłuż pierwszego wymiaru.
`SubSlice (int64 index) const`	`Tensor` Wybierz podkategorię z tego tensora wzdłuż pierwszego wymiaru.
`SummarizeValue (int64 max_entries, bool print_v2) const`	`std::string` Renderuj pierwsze wartości `max_entries` z `*this` w łańcuch.
`TotalBytes () const`	`size_t` Zwraca szacowane użycie pamięci przez tensor.
`UnsafeCopyFromInternal (const Tensor & other, DataType dtype, const TensorShape & shape)`	`void` Podobnie jak BitcastFrom, ale CHECK kończy się niepowodzeniem, jeśli nie są spełnione żadne 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 bitowo rzutowanym na określony dtype `T` .
`bit_casted_tensor () const`	`TTypes< T, NDIMS >::ConstTensor` Zwróć dane tensora do `Eigen::Tensor` o tym samym rozmiarze, ale bitowo rzutowanym na określony dtype `T` .
`data () const`	`void *`
`dim_size (int d) const`	`int64` Wygodny akcesor dla kształtu tensora.
`dims () const`	`int` Wygodny akcesor dla 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 Tensora 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 pierwsze „początkowe” wymiary Tensora w pierwszy wymiar wyniku i wymiary Tensora ostatnich dims() - „begin” – NDIMS w ostatni wymiar 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 Tensora 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 operatora. Ten tensor współużytkuje bazową pamięć innej osoby.
`operator= ( Tensor && other)`	`Tensor &` Przesuń operatora. Aby uzyskać szczegółowe informacje, zobacz konstruktor przenoszenia.
`reinterpret_last_dimension ()`	`TTypes< T, NDIMS >:: Tensor` Zwróć dane tensora do `Eigen::Tensor` z elementami ostatniego wymiaru przekonwertowanymi na pojedyncze elementy większego typu.
`reinterpret_last_dimension () const`	`TTypes< T, NDIMS >::ConstTensor` Zwróć dane tensora do `Eigen::Tensor` z elementami ostatniego wymiaru przekonwertowanymi na pojedyncze elementy większego typu.
`scalar ()`	`TTypes< T >::Scalar` Zwróć dane Tensora 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` Stałe wersje wszystkich powyższych metod.

Funkcje publiczne

Przydzielone bajty

size_t AllocatedBytes() const

Jako ProtoField

void AsProtoField(
  TensorProto *proto
) const

Wypełnia proto *this zawartością tensora.

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

Zawartość AsProtoTensor

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 zostanie zwrócony Status::OK(), oba tensory korzystają teraz z tej samej podstawowej pamięci.

To wywołanie wymaga, aby other tensor oraz dany typ i kształt były „kompatybilne” (tj. zajmowały tę samą liczbę bajtów).

Swoiście:

kształt.num_elements() * DataTypeSize(typ)

musi być równe

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

Dodatkowo funkcja ta wymaga:

DataTypeSize(other.dtype()) != 0
TypDanychRozmiar(typ) != 0

Jeśli którykolwiek z wymagań nie jest spełniony, zwracane są błędy::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 bazową pamięć innej osoby. Zwraca true , jeśli other.shape() ma taką samą liczbę elementów danego shape .

Ciąg debugowania

std::string DebugString(
  int num_values
) const

Czytelne dla człowieka podsumowanie tensora odpowiednie do debugowania.

Ciąg debugowania

std::string DebugString() const

DeviceSafeDebugString

std::string DeviceSafeDebugString() const

Opis wypełnienia

void FillDescription(
  TensorDescription *description
) const

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

Od Proto

bool FromProto(
  const TensorProto & other
) TF_MUST_USE_RESULT

Przeanalizuj other i skonstruuj tensor.

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

Od Proto

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

Jest wyrównany

bool IsAligned() const

Zwraca wartość true, jeśli tensor jest wyrównany.

Jest zainicjowany

bool IsInitialized() const

Jeśli to konieczne, czy Tensor został zainicjowany?

Tensory elementów zerowych są zawsze uważane za zainicjowane, nawet jeśli nigdy nie zostały do nich przypisane i nie mają przydzielonej pamięci.

Jest taki sam rozmiar

bool IsSameSize(
  const Tensor & b
) const

Liczba elementów

int64 NumElements() const

Wygodny akcesor dla kształtu tensora.

RefCountIsOne

bool RefCountIsOne() const

UdziałyBufferWith

bool SharesBufferWith(
  const Tensor & b
) const

Plasterek

Tensor Slice(
  int64 dim0_start,
  int64 dim0_limit
) const

Przetnij ten tensor wzdłuż pierwszego wymiaru.

Tzn. zwrócony tensor spełnia return[i, ...] == this[dim0_start + i, ...]. Zwrócony tensor dzieli podstawowy bufor tensora z tym tensorem.

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

UWAGA: W przypadku zasilania z tensorem N-wymiarowym metoda ta zwraca tensor również z N wymiarami. Jeśli chcesz wybrać podtensor, zobacz SubSlice.

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

Podkawałek

Tensor SubSlice(
  int64 index
) const

Wybierz podkategorię z tego tensora wzdłuż pierwszego wymiaru.

W przypadku zasilania z tensorem N-wymiarowym metoda ta zwraca tensor o wymiarach N-1, gdzie zwrócony tensor jest podkategorią tensora wejściowego wzdłuż pierwszego wymiaru. Wymiary N-1 zwróconego tensora są ostatnimi wymiarami N-1 tensora wejściowego.

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

Podsumuj wartość

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

Renderuj pierwsze wartości max_entries z *this w łańcuch.

Napinacz

 Tensor()

Tworzy jednowymiarowy, 0-elementowy tensor zmiennoprzecinkowy.

Zwrócony Tensor nie jest skalarem (kształt {}), lecz pustym jednowymiarowym Tensorem (kształt {0}, NumElements() == 0). Ponieważ nie ma żadnych elementów, nie trzeba mu przypisywać 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 danego type i shape .

Jeśli LogMemory::IsEnabled() alokacja jest rejestrowana jako pochodząca z nieznanego jądra i kroku. Wywoływanie konstruktora Tensor bezpośrednio z Op jest przestarzałe: użyj metod OpKernelConstruction/OpKernelContext allocate_*, aby przydzielić nowy tensor, który rejestruje jądro i krok.

Bazowy bufor jest przydzielany przy użyciu CPUAllocator .

Napinacz

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

Tworzy tensor z type danych wejściowych i shape , używając alokatora a do alokacji bufora bazowego.

a przetrwać czas życia tego Tensora .

Napinacz

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

Tworzy tensor z type danych wejściowych i shape , używając alokatora a i określonego „allocation_attr” w celu alokacji podstawowego buforu.

Jeśli jądro i krok są znane, alokacja_attr.allocation_will_be_logged powinna być ustawiona na true, a LogMemory::RecordTensorAllocation powinna zostać wywołana po skonstruowaniu tensora. Wywoływanie konstruktora Tensor bezpośrednio z Op jest przestarzałe: użyj metod OpKernelConstruction/OpKernelContext allocate_*, aby przydzielić nowy tensor, który rejestruje jądro i krok.

a przetrwać czas życia tego Tensora .

Napinacz

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

Tworzy tensor z wejściowym typem danych, kształtem i bufem.

Uzyskuje ref na buf, który należy do tego Tensora .

Napinacz

 Tensor(
  DataType type
)

Tworzy pusty Tensor danego typu danych.

Podobnie jak Tensor() zwraca 1-wymiarowy, 0-elementowy Tensor , a IsInitialized() zwraca True. Aby uzyskać szczegółowe informacje, zobacz dokumentację 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
)

Kopiuj konstruktor.

Napinacz

 Tensor(
  Tensor && other
)

Przenieś konstruktor.

Po tym wezwaniu można go bezpiecznie zniszczyć i można do niego przypisać, ale inne wywołania (np. manipulacja kształtem) są nieważne.

Napinacz

 Tensor(
  T *t
)=delete

Całkowita liczba bajtów

size_t TotalBytes() const

Zwraca szacowane użycie pamięci przez tensor.

UnsafeCopyFromInternal

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

Podobnie jak BitcastFrom, ale CHECK kończy się niepowodzeniem, jeśli nie są spełnione żadne warunki wstępne.

Przestarzałe. Zamiast tego użyj BitcastFrom i sprawdź zwrócony status.

bit_casted_shape

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 .

Korzystanie z transmisji bitowej jest przydatne w przypadku operacji przenoszenia i kopiowania. Dozwolona transmisja bitów jest jedyną różnicą w stosunku do shaped() .

bit_casted_shape

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 .

Korzystanie z transmisji bitowej jest przydatne w przypadku operacji przenoszenia i kopiowania. Dozwolona transmisja bitów jest jedyną różnicą w stosunku do shaped() .

bit_casted_tensor

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

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

Korzystanie z transmisji bitowej jest przydatne w przypadku operacji przenoszenia i kopiowania. UWAGA: jest to to samo, co tensor() , z tą różnicą, że dozwolone jest przesyłanie bitów.

bit_casted_tensor

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

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

Korzystanie z transmisji bitowej jest przydatne w przypadku operacji przenoszenia i kopiowania. UWAGA: jest to to samo, co tensor() , z tą różnicą, że dozwolone jest przesyłanie bitów.

dane

void * data() const

dim_size

int64 dim_size(
  int d
) const

Wygodny akcesor dla kształtu tensora.

przyciemnia się

int dims() const

Wygodny akcesor dla kształtu tensora.

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

typ

DataType dtype() const

Zwraca typ danych.

płaski

TTypes< T >::Flat flat()

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

Metody te umożliwiają dostęp do danych o wybranych wymiarach i rozmiarach. Aby je wywołać, nie musisz znać liczby wymiarów Tensora . Jednakże CHECK , czy typ jest zgodny, a wymagane 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<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()

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

Jeśli NDIMS > dims() , wówczas dodane zostaną wymiary wiodące o rozmiarze 1, aby uzyskać rangę wyjściową 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 pierwsze „początkowe” wymiary Tensora w pierwszy wymiar wyniku i wymiary Tensora ostatnich dims() - „begin” – NDIMS w ostatni wymiar wynik.

Jeśli „początek” < 0, to |„początek”| zostaną dodane wymiary wiodące rozmiaru 1. Jeśli „begin” + NDIMS > dims() to „begin” + NDIMS - zostaną dodane końcowe wymiary dims() o rozmiarze 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 Tensora oprócz pierwszego NDIMS-1 do ostatniego wymiaru wyniku.

Jeśli NDIMS > dims() , wówczas końcowe wymiary o rozmiarze 1 zostaną dodane, aby uzyskać rangę wyjściową 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 operatora. Ten tensor współużytkuje bazową pamięć innej osoby.

operator=

Tensor & operator=(
  Tensor && other
)

Przesuń operatora. Aby uzyskać szczegółowe informacje, zobacz konstruktor przenoszenia.

reinterpretuj_ostatni_wymiar

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

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

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

reinterpretuj_ostatni_wymiar

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

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

skalarny

TTypes< T >::Scalar scalar()

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

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

skalarny

TTypes< T >::ConstScalar scalar() const

kształt

const TensorShape & shape() const

Zwraca kształt tensora.

ukształtowany

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

ukształtowany

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

napinacz

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

napinacz

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

dane_tensora

StringPiece tensor_data() const

Zwraca StringPiece mapujący bufor bieżącego tensora.

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

UWAGA: Bazowy bufor tensorowy jest przeliczany, więc czas życia zawartości mapowanej przez StringPiece odpowiada czasowi życia bufora; osoby wywołujące powinny zadbać o to, aby bufor nie uległ zniszczeniu, gdy StringPiece jest nadal używany.

WYMAGA: DataTypeCanUseMemcpy(dtype()) .

niewyrównane_płaskie

TTypes< T >::UnalignedFlat unaligned_flat()

niewyrównane_płaskie

TTypes< T >::UnalignedConstFlat unaligned_flat() const

niewyrównany_kształt

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

niewyrównany_kształt

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, jeśli znasz typ danych i liczbę wymiarów Tensora i chcesz, aby Eigen::Tensor był automatycznie dopasowywany do rozmiarów Tensora. Kontrola implementacji kończy się niepowodzeniem, jeśli typ lub rozmiar 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<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

Stałe wersje wszystkich powyższych metod.

~Tensor

 ~Tensor()

przepływ tensorowy:: Napinacz

Streszczenie

Konstruktory i destruktory

Funkcje publiczne

Funkcje publiczne

Przydzielone bajty

Jako ProtoField

Zawartość AsProtoTensor

BitcastOd

Kopiuj z

Ciąg debugowania

Ciąg debugowania

DeviceSafeDebugString

Opis wypełnienia

Od Proto

Od Proto

Jest wyrównany

Jest zainicjowany

Jest taki sam rozmiar

Liczba elementów

RefCountIsOne

UdziałyBufferWith

Plasterek

Podkawałek

Podsumuj wartość

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

Napinacz

Całkowita liczba bajtów

UnsafeCopyFromInternal

bit_casted_shape

bit_casted_shape

bit_casted_tensor

bit_casted_tensor

dane

dim_size

przyciemnia się

typ

płaski

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=

reinterpretuj_ostatni_wymiar