Bitcast

Mem-bitcast tensor dari satu jenis ke jenis lainnya tanpa menyalin data.

Mengingat `input` tensor, operasi ini mengembalikan tensor yang memiliki data buffer yang sama dengan `input` dengan tipe data `type`.

Jika tipe data masukan `T` lebih besar dari tipe data keluaran `tipe` maka bentuknya berubah dari [...] menjadi [..., sizeof(`T`)/sizeof(`type`)].

Jika `T` lebih kecil dari `type`, operator mengharuskan dimensi paling kanan sama dengan sizeof(`type`)/sizeof(`T`). Bentuknya kemudian berubah dari [..., sizeof(`type`)/sizeof(`T`)] menjadi [...].

tf.bitcast() dan tf.cast() bekerja secara berbeda ketika dtype nyata dicor sebagai dtype kompleks (misalnya tf.complex64 atau tf.complex128) karena tf.cast() membuat bagian imajiner 0 sementara tf.bitcast() memberikan modul kesalahan. Misalnya,

Contoh 1:

>>> a = [1., 2., 3.] >>> kesetaraan_bitcast = tf.bitcast(a, tf.complex128) Traceback (panggilan terakhir terakhir): ... InvalidArgumentError: Tidak dapat melakukan bitcast dari 1 hingga 18 [ Op:Bitcast] >>> kesetaraan_cast = tf.cast(a, tf.complex128) >>> print(equality_cast) tf.Tensor([1.+0.j 2.+0.j 3.+0.j] , bentuk=(3,), tiped=kompleks128)

Contoh 2:

>>> tf.bitcast(tf.constant(0xffffffff, dtype=tf.uint32), tf.uint8)

Contoh 3:

>>> x = [1., 2., 3.] >>> y = [0., 2., 3.] >>> persamaan= tf.equal(x,y) >>> kesetaraan_cast = tf. cast(equality,tf.float32) >>>equality_bitcast = tf.bitcast(equality_cast,tf.uint8) >>> print(equality) tf.Tensor([False Benar Benar], 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]], bentuk=(3, 4), tiped=uint8)

CATATAN : Bitcast diimplementasikan sebagai cast tingkat rendah, sehingga mesin dengan urutan endian berbeda akan memberikan hasil yang berbeda. Salinan dari buffer input ke buffer output dibuat pada mesin BE ketika jenisnya memiliki ukuran berbeda untuk mendapatkan hasil casting yang sama seperti pada mesin LE.