آرایه

extension Array: MutableCollectionAlgorithms
extension Array: KeyPathIterable
extension Array: Differentiable where Element: Differentiable
extension Array: EuclideanDifferentiable
where Element: EuclideanDifferentiable
extension Array where Element: Differentiable
extension Array : ConvertibleFromNumpyArray
where Element : NumpyScalarCompatible
public extension Array where Element : NumpyScalarCompatible
extension Array : PythonConvertible where Element : PythonConvertible
extension Array : ConvertibleFromPython where Element : ConvertibleFromPython
extension Array where Element == XLATensor
extension Array: ElementaryFunctions where Element: ElementaryFunctions
-
extension Array: TensorArrayProtocol where Element: TensorGroup
extension Array where Element == Bool
-
extension Array where Element == UInt8
l10n-
extension Array where Element == Int64
extension Array where Element: AnyTensor
extension Array where Element == PaddingConfigDimension
موجود در جایی که "عنصر": "متمایز" است
موجود در جایی که "Element": "EuclideanDifferentiable".
موجود در جایی که "عنصر": "متمایز" است
  • اعلام

    @derivative
    init(repeating: count)
  • اعلام

    @differentiable(wrt: self)
    public func differentiableMap<Result: Differentiable>(
      _ body: @differentiable (Element) -> Result
    ) -> [Result]
  • اعلام

    @differentiable(wrt: (self, initialResult)
    public func differentiableReduce<Result: Differentiable>(
      _ initialResult: Result,
      _ nextPartialResult: @differentiable (Result, Element) -> Result
    ) -> Result
موجود در جایی که "Element" : "NumpyScalarCompatible".
  • یک Array با شکل و اسکالر مشابه نمونه numpy.ndarray مشخص شده ایجاد می کند.

    پیش شرط

    بسته Python numpy باید نصب شود.

    اعلام

    public init?(numpy numpyArray: PythonObject)

    مولفه های

    numpyArray

    نمونه numpy.ndarray برای تبدیل.

    ارزش بازگشتی

    numpyArray به Array تبدیل شد. اگر numpyArray 1-D نباشد یا دارای dtype اسکالر سازگار نباشد، nil برمی‌گرداند.

  • یک نمونه 1 بعدی numpy.ndarray با اسکالرهای مشابه این Array ایجاد می کند.

    پیش شرط

    بسته Python numpy باید نصب شود.

    اعلام

    func makeNumpyArray() -> PythonObject
در جایی که "Element" : "PythonConvertible" موجود است
در جایی که "Element" : "ConvertibleFromPython" موجود است
در جایی که "Element": "ElementaryFunctions" موجود است
  • جذر x .

    برای انواع واقعی، اگر x منفی باشد، نتیجه .nan است. برای انواع پیچیده یک برش شاخه بر روی محور واقعی منفی وجود دارد.

    اعلام

    public static func sqrt(_ x: `Self`) -> Array<Element>
  • کسینوس x که به عنوان زاویه بر حسب رادیان تفسیر می شود.

    اعلام

    public static func cos(_ x: `Self`) -> Array<Element>
  • سینوس x که به عنوان زاویه بر حسب رادیان تفسیر می شود.

    اعلام

    public static func sin(_ x: `Self`) -> Array<Element>
  • مماس x ، به عنوان یک زاویه در رادیان تفسیر می شود.

    اعلام

    public static func tan(_ x: `Self`) -> Array<Element>
  • کسینوس معکوس x بر حسب رادیان.

    اعلام

    public static func acos(_ x: `Self`) -> Array<Element>
  • سینوس معکوس x بر حسب رادیان.

    اعلام

    public static func asin(_ x: `Self`) -> Array<Element>
  • مماس معکوس x بر حسب رادیان.

    اعلام

    public static func atan(_ x: `Self`) -> Array<Element>
  • کسینوس هذلولی x .

    اعلام

    public static func cosh(_ x: `Self`) -> Array<Element>
  • سینوس هذلولی x .

    اعلام

    public static func sinh(_ x: `Self`) -> Array<Element>
  • مماس هذلولی x .

    اعلام

    public static func tanh(_ x: `Self`) -> Array<Element>
  • کسینوس هذلولی معکوس x .

    اعلام

    public static func acosh(_ x: `Self`) -> Array<Element>
  • سینوس هذلولی معکوس x .

    اعلام

    public static func asinh(_ x: `Self`) -> Array<Element>
  • مماس هذلولی معکوس x .

    اعلام

    public static func atanh(_ x: `Self`) -> Array<Element>
  • تابع نمایی برای x یا e**x اعمال می شود.

    اعلام

    public static func exp(_ x: `Self`) -> Array<Element>
  • دو تا به توان x افزایش یافت.

    اعلام

    public static func exp2(_ x: `Self`) -> Array<Element>
  • ده به توان x افزایش یافت.

    اعلام

    public static func exp10(_ x: `Self`) -> Array<Element>
  • exp(x) - 1 برای حفظ دقت نزدیک به صفر ارزیابی شده است.

    اعلام

    public static func expm1(_ x: `Self`) -> Array<Element>
  • لگاریتم طبیعی x .

    اعلام

    public static func log(_ x: `Self`) -> Array<Element>
  • لگاریتم پایه دو x .

    اعلام

    public static func log2(_ x: `Self`) -> Array<Element>
  • لگاریتم پایه دهم x .

    اعلام

    public static func log10(_ x: `Self`) -> Array<Element>
  • log(1 + x) ارزیابی شد تا دقت نزدیک به صفر حفظ شود.

    اعلام

    public static func log1p(_ x: `Self`) -> Array<Element>
  • exp(y log(x)) بدون از دست دادن دقت متوسط ​​محاسبه شد.

    برای انواع واقعی، اگر x منفی باشد، نتیجه NaN است، حتی اگر y یک مقدار انتگرال داشته باشد. برای انواع پیچیده، برش شاخه بر روی محور واقعی منفی وجود دارد.

    اعلام

    public static func pow(_ x: `Self`, _ y: `Self`) -> Array<Element>
  • x به توان n افزایش یافته است.

    حاصلضرب n کپی از x .

    اعلام

    public static func pow(_ x: `Self`, _ n: Int) -> Array<Element>
  • ریشه n ام x .

    برای انواع واقعی، اگر x منفی و n زوج باشد، نتیجه NaN است. برای انواع پیچیده، یک شاخه برش در امتداد محور واقعی منفی وجود دارد.

    اعلام

    public static func root(_ x: `Self`, _ n: Int) -> Array<Element>
در جایی که "Element": "TensorGroup" موجود است
  • اعلام

    public init(_owning tensorHandles: UnsafePointer<CTensorHandle>?, count: Int)
  • اعلام

    public init<C: RandomAccessCollection>(
      _handles: C
    ) where C.Element: _AnyTensorHandle
در جایی که "Element" == "UIint8" موجود است
  • توجه داشته باشید

    هش SHA1 تنها 20 بایت طول دارد و بنابراین تنها 20 بایت اول SIMD32<UInt8> برگشتی غیرصفر است.

    اعلام

    func sha1() -> SIMD32<UInt8>
  • اعلام

    func sha512() -> SIMD64<UInt8>
در جایی که "Element" == "Bool" موجود است
  • a || b را محاسبه می کند a || b از نظر عنصری انگار دو ماسک را با هم می‌سازیم.

    اعلام

    public func mergingMask(with other: [Bool]) -> [Bool]
در جایی که "Element" == "Int64" موجود است
  • اعلام

    func withArrayRef<Result>(_ body: (Int64ArrayRef) throws -> Result) rethrows -> Result
در جایی که "Element" == "XLATensor" موجود است
  • اعلام

    func withArrayRef<Result>(_ body: (OpaqueXLATensorArrayRef) throws -> Result) rethrows -> Result
در جایی که "Element": "AnyTensor" موجود است
  • اعلام

    func withArrayRef<T, Result>(_ body: (OpaqueXLATensorArrayRef) throws -> Result) rethrows
      -> Result
    where Element == Tensor<T>
در جایی که "Element" == "PaddingConfigDimension" موجود است
  • اعلام

    func withArrayRef<Result>(_ body: (inout PaddingConfig) -> Result) -> Result