Fornisce punti di personalizzazione per MutableCollection algoritmi.

Se incorporato nella libreria standard, questi requisiti sarebbe solo parte di MutableCollection . Nel frattempo, è possibile dichiarare la conformità di una collezione per MutableCollectionAlgorithms per ottenere questi punti di personalizzazione da utilizzare da altri algoritmi definiti su MutableCollectionAlgorithms .

Tipi i cui elementi possono essere raccolti in qualche elemento di rango superiore dello stesso tipo (esempio: tensori, tupla di tensori)

Un tipo cui proprietà ed elementi nidificati possono essere copiati su un Device .

Un tipo i cui valori forniscono percorsi chiave personalizzati a proprietà o elementi.

Un tipo di dati scalare compatibile con TensorFlow.

Tipi conformi a TensorFlowScalar possono essere utilizzati come Scalar tipo associato di Tensor .

Un tipo di dati intero che rappresenta i tipi interi che possono essere utilizzati come indici di tensore in TensorFlow.

A dati a virgola mobile tipo conforme alla Differentiable ed è compatibile con tensorflow.

Un tipo che rappresenta matematicamente una varietà differenziabile i cui spazi tangenti sono di dimensione finita.

Un tipo con valori che supportano la moltiplicazione puntuale.

Un tipo che rappresenta uno spazio vettoriale non classificato. I valori di questo tipo sono elementi in questo spazio vettoriale e non hanno forma o hanno una forma statica.

Un tipo differenziabile nello spazio euclideo. Il tipo può rappresentare uno spazio vettoriale o consistere in uno spazio vettoriale e qualche altro componente non differenziabile.

Matematicamente, questo rappresenta una varietà prodotto che consiste in uno spazio vettoriale differenziabile e qualche varietà arbitraria, dove il fibrato tangente dell'intera varietà prodotto è uguale al componente dello spazio vettoriale.

Questa astrazione è utile per rappresentare strutture di dati differenziabili comuni che contengono sia proprietà vettoriali differenziabili che altre proprietà memorizzate che non hanno una derivata, ad es.

struct Perceptron: @memberwise EuclideanDifferentiable {
    var weight: SIMD16<Float>
    var bias: Float
    @noDerivative var useBias: Bool
}

Uno strato di rete neurale.

Tipi conformi allo Layer rappresentano funzioni che gli ingressi alle uscite della mappa. Possono avere uno stato interno rappresentato da parametri, come i tensori di peso.

Layer istanze definiscono un differenziabile callAsFunction(_:) metodo per ingressi alle uscite mappatura.

Un livello di rete neurale senza parametri.

La TangentVector di strati senza parametri è sempre EmptyTangentVector .

Un tipo che dispone di funzioni elementari disponibili.

Una “funzione elementare” è una funzione costruito dalle potenze, radici, esponenziali, logaritmi, funzioni trigonometriche (sin, cos, tan) e loro inverse, e le funzioni iperboliche (sinh, cosh, tanh) e loro inverse.

La conformità a questo protocollo significa che tutti questi blocchi costitutivi sono disponibili come funzioni statiche sul tipo.

let x: Float = 1
let y = Float.sin(x) // 0.84147096

Tipo le cui proprietà ed elementi del tensore a virgola mobile annidati possono essere convertiti da precisione completa a precisione ridotta e viceversa.

Un dettaglio di implementazione utilizzato per aggirare il fatto che Swift non può esprimere un vincolo generico che qualche tipo deve essere un'istanza di Sampling .

Un tipo che può essere inizializzato da un numpy.ndarray esempio rappresentato come un PythonObject .

Un tipo compatibile bit per bit con uno o più tipi scalari NumPy.

Un tipo i cui valori possono essere convertiti in un PythonObject .

Un tipo che può essere inizializzato da un PythonObject .

Un tipo che fornisce dati pseudo-casuali deterministici seedable.

Un SeedableRandomNumberGenerator può essere utilizzato ovunque venga utilizzato un RandomNumberGenerator. È utile quando i dati pseudo-casuali devono essere riproducibili tra le esecuzioni.

Conforme al protocollo SeedableRandomNumberGenerator

Per fare un tipo personalizzato conforme alla SeedableRandomNumberGenerator protocollo, l'attuazione del init(seed: [UInt8]) inizializzatore, nonché i requisiti per RandomNumberGenerator . I valori restituiti da next() devono formare una sequenza deterministica che dipende solo dal seme fornito all'inizializzazione.

Una cella di livello ricorrente.

Un tipo con valori che supportano operazioni binarie differenziabili.

Utilizzato da BidirectionalRecurrentLayer come requisito generico per le funzioni di unione.

Protocollo speciale per chiamare operazioni tensorflow che accettano array eterogenei come input.

Un protocollo che rappresenta tipi che possono essere mappati a Array<CTensorHandle> .

Questo protocollo è definito separatamente dal TensorGroup affinché il numero dei tensori da determinare in fase di esecuzione. Ad esempio, [Tensor<Float>] può avere un numero imprecisato di elementi in fase di compilazione.

Questo protocollo può essere derivata automaticamente struct cui proprietà memorizzato tutto conforme al TensorGroup protocollo. Non può essere derivata automaticamente per le strutture le cui proprietà sono tutti conformi alle TensorArrayProtocol a causa del requisito costruttore (ad esempio, in questi casi, sarebbe impossibile sapere come abbattere count tra le proprietà memorizzate).

Un protocollo che rappresenta tipi che possono essere mappati da e Array<CTensorHandle> .

Quando un TensorGroup viene utilizzata come argomento a un'operazione tensore, viene passato come una lista di argomenti cui elementi sono i campi tensoriali di tipo.

Quando un TensorGroup viene restituito come risultato di un'operazione di tensore, viene inizializzato con i suoi campi tensori fissati ai risultati tensore del funzionamento tensore.

Un tipo di dati supportato in x10.