काउंटर-आधारित आरएनजी के काउंटर को आगे बढ़ाएं।
`rng_read_and_skip(n)` के बाद RNG की स्थिति वैसी ही होगी जैसी `वर्दी([n])` (या किसी अन्य वितरण) के बाद होती है। काउंटर में जोड़ा गया वास्तविक वेतन वृद्धि एक अनिर्दिष्ट कार्यान्वयन विकल्प है।
इस मामले में कि इनपुट एल्गोरिथम RNG_ALG_AUTO_SELECT है, राज्य में काउंटर का आकार int64[2] होना चाहिए, एल्गोरिदम के बीच वर्तमान अधिकतम काउंटर आकार। इस मामले में, यह ऑप काउंटर का प्रबंधन करेगा जैसे कि यह लेआउट के साथ 128-बिट पूर्णांक है [lower_64bits, high_64bits]। यदि किसी एल्गोरिथम को काउंटर के लिए 128 बिट से कम की आवश्यकता होती है, तो उसे int64[2] के बाएं हिस्से का उपयोग करना चाहिए। इस तरह, int64[2] सभी मौजूदा RNG एल्गोरिदम (Philox, ThreeFry और xla::RandomAlgorithm::RNG_DEFAULT) के साथ संगत है। इस प्रकार डाउनस्ट्रीम आरएनजी ऑप्स किसी भी आरएनजी एल्गोरिथम के साथ इस काउंटर का उपयोग कर सकते हैं।
सार्वजनिक तरीके
आउटपुट <लंबा> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
स्थिर RngReadAndSkip | |
आउटपुट <लंबा> | मूल्य () संसाधन चर का पुराना मान, वृद्धि करने से पहले। |
विरासत में मिली विधियां
सार्वजनिक तरीके
सार्वजनिक आउटपुट <लॉन्ग> आउटपुट के रूप में ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के लिए इनपुट एक अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
पब्लिक स्टैटिक RngReadAndSkip क्रिएट ( स्कोप स्कोप, ऑपरेंड <?> रिसोर्स, ऑपरेंड <इंटीजर> एल्ग , ऑपरेंड <?> डेल्टा)
एक नया RngReadAndSkip ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि।
मापदंडों
दायरा | वर्तमान दायरा |
---|---|
संसाधन | संसाधन चर का हैंडल जो RNG की स्थिति को संग्रहीत करता है। राज्य में कुंजी के बाद काउंटर होता है। |
शैवाल | आरएनजी एल्गोरिथ्म। |
डेल्टा | उन्नति की राशि। |
रिटर्न
- RngReadAndSkip का एक नया उदाहरण
सार्वजनिक आउटपुट <लंबा> मान ()
संसाधन चर का पुराना मान, वृद्धि करने से पहले। चूंकि राज्य का आकार एल्गोरिदम-निर्भर है, इसलिए यह आउटपुट आकार int64 [3] (एल्गोरिदम के बीच वर्तमान अधिकतम राज्य आकार) तक पहुंचने के लिए शून्य के साथ सही-गद्देदार होगा।