TensorBuffer

یک TensorBuffer پویا خالی با DataType مشخص شده ایجاد می کند. شکل TensorBuffer ایجاد شده {0} است.

Dynamic TensorBuffers هنگام بارگیری آرایه ها یا بافرهای داده با اندازه های مختلف بافر، حافظه را مجدداً تخصیص می دهند. در اینجا چند نمونه آورده شده است:

 // Creating a float dynamic TensorBuffer:
 TensorBuffer tensorBuffer = TensorBuffer.createDynamic(DataType.FLOAT32);
 // Loading a float array:
 float[] arr1 = new float[] {1, 2, 3};
 tensorBuffer.loadArray(arr, new int[] {arr1.length});
 // loading another float array:
 float[] arr2 = new float[] {1, 2, 3, 4, 5};
 tensorBuffer.loadArray(arr, new int[] {arr2.length});
 // loading a third float array with the same size as arr2, assuming shape doesn't change:
 float[] arr3 = new float[] {5, 4, 3, 2, 1};
 tensorBuffer.loadArray(arr);
 // loading a forth float array with different size as arr3 and omitting the shape will result
 // in error:
 float[] arr4 = new float[] {3, 2, 1};
 tensorBuffer.loadArray(arr); // Error: The size of byte buffer and the shape do not match.
 

یک TensorBuffer با shape و DataType مشخص ایجاد می کند. در اینجا چند نمونه آورده شده است:

 // Creating a float TensorBuffer with shape {2, 3}:
 int[] shape = new int[] {2, 3};
 TensorBuffer tensorBuffer = TensorBuffer.createFixedSize(shape, DataType.FLOAT32);
 

 // Creating an uint8 TensorBuffer of a scalar:
 int[] shape = new int[] {};
 TensorBuffer tensorBuffer = TensorBuffer.createFixedSize(shape, DataType.UINT8);
 

 // Creating an empty uint8 TensorBuffer:
 int[] shape = new int[] {0};
 TensorBuffer tensorBuffer = TensorBuffer.createFixedSize(shape, DataType.UINT8);
 

اندازه یک TensorBuffer با اندازه ثابت پس از ایجاد قابل تغییر نیست.

یک داده کپی عمیق TensorBuffer از دیگری با DataType مشخص شده ایجاد می کند.

بافر داده را برمی گرداند.

نوع داده این بافر را برمی گرداند.

FlatSize بافر را دریافت می کند.

یک آرایه شناور از مقادیر ذخیره شده در این بافر را برمی گرداند. اگر بافر انواع متفاوتی از float داشته باشد، مقادیر به float تبدیل می شوند. به عنوان مثال، مقادیر در TensorBufferUint8 از uint8 به float تبدیل می شوند.

یک مقدار شناور را در یک شاخص معین برمی گرداند. اگر بافر از انواع مختلف با float باشد، مقدار به float تبدیل می شود. به عنوان مثال، هنگام خواندن یک مقدار از TensorBufferUint8 ، مقدار ابتدا به صورت uint8 خوانده می شود و سپس از uint8 به float تبدیل می شود.

 For example, a TensorBuffer with shape {2, 3} that represents the following array,
 [[0.0f, 1.0f, 2.0f], [3.0f, 4.0f, 5.0f]].

 The fourth element (whose value is 3.0f) in the TensorBuffer can be retrieved by:
 float v = tensorBuffer.getFloatValue(3);
 

یک آرایه int از مقادیر ذخیره شده در این بافر را برمی گرداند. اگر نوع بافر متفاوت از int باشد، مقادیر به int تبدیل می‌شوند و ممکن است از دست دادن دقت اعمال شود. به عنوان مثال، گرفتن یک آرایه int از یک TensorBufferFloat با مقادیر {400.32f، 23.04f}، خروجی {400، 23} است.

مقدار int را در یک شاخص معین برمی گرداند. اگر بافر انواع مختلفی از int داشته باشد، مقدار به int تبدیل می شود. به عنوان مثال، هنگام خواندن یک مقدار از TensorBufferFloat ، ابتدا مقدار به صورت float خوانده می شود و سپس از float به int تبدیل می شود. از دست دادن دقت ممکن است اعمال شود.

 For example, a TensorBuffer with shape {2, 3} that represents the following array,
 [[0.0f, 1.0f, 2.0f], [3.0f, 4.0f, 5.0f]].

 The fourth element (whose value is 3.0f) in the TensorBuffer can be retrieved by:
 int v = tensorBuffer.getIntValue(3);
 Note that v is converted from 3.0f to 3 as a result of type conversion.
 

شکل فعلی را می گیرد. (برای جلوگیری از تغییرات غیرمنتظره، یک کپی را به اینجا برگردانید.)

تعداد بایت های یک عنصر واحد در آرایه را برمی گرداند. به عنوان مثال، یک بافر شناور 4 و یک بافر بایت 1 را برمی گرداند.

اگر TensorBuffer دارای اندازه پویا باشد، برمی‌گردد (می‌تواند خودسرانه اندازه را تغییر دهد).

یک آرایه int را با شکل خاصی در این بافر بارگذاری می کند. اگر بافر انواع مختلفی از int داشته باشد، مقادیر قبل از بارگیری در بافر به نوع بافر تبدیل می شوند و ممکن است دقت از دست برود. برای مثال، با بارگذاری یک آرایه int با مقادیر {400، -23} در یک TensorBufferUint8 ، مقادیر به [0، 255] بسته می‌شوند و سپس توسط {255، 0} به uint8 فرستاده می‌شوند.

یک آرایه شناور را با شکل خاصی در این بافر بارگذاری می کند. اگر بافر از انواع متفاوتی نسبت به شناور باشد، مقادیر قبل از بارگیری در بافر به نوع بافر تبدیل می‌شوند و ممکن است دقت از دست برود. به عنوان مثال، با بارگذاری یک آرایه شناور در یک TensorBufferUint8 با مقادیر {400.32f، -23.04f}، مقادیر به [0، 255] متصل می شوند و سپس توسط {255، 0} به uint8 فرستاده می شوند.

یک آرایه شناور را در این بافر بارگذاری می کند. اگر بافر از انواع متفاوتی نسبت به شناور باشد، مقادیر قبل از بارگیری در بافر به نوع بافر تبدیل می‌شوند و ممکن است دقت از دست برود. به عنوان مثال، با بارگذاری یک آرایه شناور در یک TensorBufferUint8 با مقادیر {400.32f، -23.04f}، مقادیر به [0، 255] متصل می شوند و سپس توسط {255، 0} به uint8 فرستاده می شوند.

با استفاده از این روش فرض می شود که شکل src با شکل این TensorBuffer یکسان است. بنابراین اندازه buffer ( src.length ) باید همیشه با اندازه مسطح این TensorBuffer هم برای TensorBuffer با اندازه ثابت و هم برای TensorBuffer پویا مطابقت داشته باشد. اگر src شکل دیگری دارد از loadArray(float[], int[]) استفاده کنید.

یک آرایه int را در این بافر بارگذاری می کند. اگر بافر انواع مختلفی از int داشته باشد، مقادیر قبل از بارگیری در بافر به نوع بافر تبدیل می شوند و ممکن است دقت از دست برود. برای مثال، با بارگذاری یک آرایه int با مقادیر {400، -23} در یک TensorBufferUint8 ، مقادیر به [0، 255] بسته می‌شوند و سپس توسط {255، 0} به uint8 فرستاده می‌شوند.

با استفاده از این روش فرض می شود که شکل src با شکل این TensorBuffer یکسان است. بنابراین اندازه buffer ( src.length ) باید همیشه با اندازه مسطح این TensorBuffer هم برای TensorBuffer با اندازه ثابت و هم برای TensorBuffer پویا مطابقت داشته باشد. اگر src شکل متفاوتی دارد از loadArray(int[], int[]) استفاده کنید.

یک بافر بایت را در این TensorBuffer بارگیری می کند. اندازه بافر باید با اندازه مسطح این TensorBuffer مطابقت داشته باشد.

با استفاده از این روش فرض می شود که شکل buffer با شکل این TensorBuffer یکسان است. بنابراین اندازه buffer ( buffer.limit() ) باید همیشه با اندازه مسطح این TensorBuffer هم برای TensorBuffer با اندازه ثابت و هم برای TensorBuffer پویا مطابقت داشته باشد. اگر buffer شکل دیگری دارد از loadBuffer(ByteBuffer, int[]) استفاده کنید.

مهم: بافر بارگذاری شده یک مرجع است. اصلاح نکنید. ما در اینجا یک کپی برای نگرانی عملکرد ایجاد نمی کنیم، اما اگر اصلاح لازم است، لطفاً یک کپی تهیه کنید.

برای بهترین عملکرد، همیشه یک ByteBuffer مستقیم یا یک ByteBuffer که توسط یک آرایه پشتیبانی می شود بارگیری کنید.

اگر buffer فقط خواندنی باشد، یک استراتژی کپی روی نوشتن برای عملکرد اتخاذ می کنیم.

یک بافر بایت را با شکل خاصی در این TensorBuffer بارگذاری می کند.

مهم: بافر بارگذاری شده یک مرجع است. اصلاح نکنید. ما در اینجا یک کپی برای نگرانی عملکرد ایجاد نمی کنیم، اما اگر اصلاح لازم است، لطفاً یک کپی تهیه کنید.

برای بهترین عملکرد، همیشه یک ByteBuffer مستقیم یا یک ByteBuffer که توسط یک آرایه پشتیبانی می شود بارگیری کنید.