Bitcast

מעביר טנזור מסוג אחד לאחר מבלי להעתיק נתונים.

בהינתן 'קלט' טנסור, פעולה זו מחזירה טנזור שיש לו את אותם נתוני חיץ כמו 'קלט' עם 'סוג' נתונים.

אם סוג הנתונים הקלט `T` גדול יותר מסוג הנתונים הפלט `type` אז הצורה משתנה מ- [...] ל-[..., sizeof(`T`)/sizeof(`type`)].

אם 'T' קטן מ-'type', האופרטור דורש שהממד הימני ביותר יהיה שווה ל-sizeof(`type`)/sizeof(`T`). לאחר מכן, הצורה עוברת מ-[..., sizeof(`type`)/sizeof(`T`)] ל-...

tf.bitcast() ו-tf.cast() פועלים בצורה שונה כאשר dtype אמיתי נוצק כ-dtype מורכב (למשל tf.complex64 או tf.complex128) שכן tf.cast() הופכים את החלק הדמיוני ל-0 בעוד tf.bitcast() נותן מודול שְׁגִיאָה. לדוגמה,

דוגמה 1:

>>> a = [1., 2., 3.] >>> equality_bitcast = tf.bitcast(a, tf.complex128) Traceback (השיחה האחרונה האחרונה): ... InvalidArgumentError: לא ניתן לשדר סיביות מ-1 עד 18 [ Op:Bitcast] >>> equality_cast = tf.cast(a, tf.complex128) >>> print(equality_cast) tf.Tensor([1.+0.j 2.+0.j 3.+0.j] , shape=(3,), dtype=complex128)

דוגמה 2:

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

דוגמה 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) >>> print(equality) 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]], shape=(3, 4), dtype=uint8)

הערה : Bitcast מיושם כקאסט ברמה נמוכה, כך שמכונות עם סדרי אנדיאנים שונים יתנו תוצאות שונות. עותק ממאגר קלט למאגר פלט נעשה במכונות BE כאשר הסוגים הם בגדלים שונים על מנת לקבל את אותן תוצאות יציקה כמו במכונות LE.