ডেটা অনুলিপি না করে একটি টেনসরকে এক প্রকার থেকে অন্য প্রকারে বিটকাস্ট করে।
একটি টেনসর `ইনপুট` দেওয়া হলে, এই ক্রিয়াকলাপটি এমন একটি টেনসর প্রদান করে যেটিতে ডেটাটাইপ `টাইপ` সহ `ইনপুট` এর মতো একই বাফার ডেটা রয়েছে।
যদি ইনপুট ডেটাটাইপ `T` আউটপুট ডেটাটাইপ `টাইপ` থেকে বড় হয় তাহলে আকৃতি [...] থেকে [..., sizeof(`T`)/sizeof(`type`)] এ পরিবর্তিত হয়।
যদি `T` `টাইপ`-এর থেকে ছোট হয়, তাহলে অপারেটরকে ডানদিকের মাত্রা সাইজফ(`type`)/sizeof(`T`) এর সমান হতে হবে। আকৃতি তারপর [..., sizeof(`type`)/sizeof(`T`)] থেকে [...] এ যায়।
tf.bitcast() এবং tf.cast() ভিন্নভাবে কাজ করে যখন বাস্তব dtype একটি জটিল dtype হিসাবে কাস্ট করা হয় (যেমন tf.complex64 বা tf.complex128) যেহেতু tf.cast() কাল্পনিক অংশ 0 তৈরি করে যখন tf.bitcast() মডিউল দেয় ত্রুটি. উদাহরণ স্বরূপ,
উদাহরণ 1:
>>> a = [1., 2., 3.] >>> equality_bitcast = tf.bitcast(a, tf.complex128) ট্রেসব্যাক (সর্বাধিক সাম্প্রতিক কল শেষ): ... InvalidArgumentError: 1 থেকে 18 পর্যন্ত বিটকাস্ট করা যাবে না [ Op:Bitcast] >>> equality_cast = tf.cast(a, tf.complex128) >>> print(equality_cast) tf.Tensor([1.+0.j 2.+0.j 3.+0.j] , আকৃতি=(3,), dtype=complex128)
উদাহরণ 2:
>>> tf.bitcast(tf.constant(0xffffffff, dtype=tf.uint32), tf.uint8) উদাহরণ 3: >>> x = [1., 2., 3.] >>> y = [0., 2., 3.] >>> equality= tf.equal(x,y) >>> equality_cast = tf. cast(equality,tf.float32) >>> equality_bitcast = tf.bitcast(equality_cast,tf.uint8) >>> প্রিন্ট(সমতা) tf.Tensor([False True True], shape=(3,), dtype=bool ) >>> print(equality_cast) tf.Tensor([0. 1. 1.], shape=(3,), dtype=float32) >>> print(equality_bitcast) tf.Tensor( [[ 0 0 0 0] [ 0 0 128 63] [ 0 0 128 63]], আকৃতি=(3, 4), dtype=uint8) দ্রষ্টব্য : বিটকাস্ট একটি নিম্ন-স্তরের কাস্ট হিসাবে প্রয়োগ করা হয়েছে, তাই বিভিন্ন এন্ডিয়ান অর্ডারিং সহ মেশিনগুলি বিভিন্ন ফলাফল দেবে।
পাবলিক পদ্ধতি
| আউটপুট <U> | আউটপুট হিসাবে () একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে। |
| স্ট্যাটিক <U, T> বিটকাস্ট <U> | |
| আউটপুট <U> | আউটপুট () |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
সর্বজনীন আউটপুট <U> হিসাবে আউটপুট ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক বিটকাস্ট <U> তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> ইনপুট, ক্লাস<U> প্রকার)
একটি নতুন বিটকাস্ট অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|
রিটার্নস
- বিটকাস্টের একটি নতুন উদাহরণ