تحذير: هذا المشروع مهمل. كانت Swift for TensorFlow تجربة في منصة الجيل التالي للتعلم الآلي ، حيث تضمنت أحدث الأبحاث عبر التعلم الآلي والمترجمات والبرمجة القابلة للتفاضل وتصميم الأنظمة وما بعده. تمت أرشفته في فبراير 2021.

تمت ترجمة هذه الصفحة بواسطة Cloud Translation API‏.

المنشآت

الهياكل التالية متاحة عالميًا.

سلسلة

سلسلة من تسلسلين بنفس نوع العنصر.

تصريح

public struct Concatenation<Base1: Sequence, Base2: Sequence>: Sequence
where Base1.Element == Base2.Element

extension Concatenation: Collection where Base1: Collection, Base2: Collection

extension Concatenation: BidirectionalCollection
where Base1: BidirectionalCollection, Base2: BidirectionalCollection

extension Concatenation: RandomAccessCollection
where Base1: RandomAccessCollection, Base2: RandomAccessCollection

مجموعة مستديره

عرض مستدير على مجموعة.

تصريح

public struct RotatedCollection<Base> : Collection where Base : Collection

extension RotatedCollection: BidirectionalCollection
where Base: BidirectionalCollection

extension RotatedCollection: RandomAccessCollection
where Base: RandomAccessCollection

AnyDifferentiable

تصريح

public struct AnyDifferentiable : Differentiable

AnyDerivative
قيمة مشتقة تم مسحها من النوع.
يقوم النوع AnyDerivative بإعادة توجيه عملياته إلى قيمة مشتقة أساسية أساسية عشوائية تتوافق مع Differentiable و AdditiveArithmetic ، مما يخفي تفاصيل القيمة الأساسية.
تصريح
@frozen public struct AnyDerivative : Differentiable & AdditiveArithmetic

الموتر

مجموعة متعددة الأبعاد من العناصر التي تمثل تعميمًا للمتجهات والمصفوفات لأبعاد أعلى محتملة.

تصف المعلمة العامة Scalar نوع الكميات الموجودة في الموتر (مثل Int32 و Float وما إلى ذلك).

تصريح

@frozen
public struct Tensor<Scalar> where Scalar : TensorFlowScalar

extension Tensor: Collatable

extension Tensor: CopyableToDevice

extension Tensor: AnyTensor

extension Tensor: ExpressibleByArrayLiteral

extension Tensor: CustomStringConvertible

extension Tensor: CustomPlaygroundDisplayConvertible

extension Tensor: CustomReflectable

extension Tensor: TensorProtocol

extension Tensor: TensorGroup

extension Tensor: VectorProtocol where Scalar: TensorFlowFloatingPoint

extension Tensor: ElementaryFunctions where Scalar: TensorFlowFloatingPoint

extension Tensor: Mergeable where Scalar: TensorFlowFloatingPoint

extension Tensor: Equatable where Scalar: Equatable

extension Tensor: Codable where Scalar: Codable

extension Tensor: AdditiveArithmetic where Scalar: Numeric

extension Tensor: PointwiseMultiplicative where Scalar: Numeric

extension Tensor: Differentiable & EuclideanDifferentiable where Scalar: TensorFlowFloatingPoint

extension Tensor: DifferentiableTensorProtocol
where Scalar: TensorFlowFloatingPoint

البث التراجع
وظيفة التراجع التي تقوم بتبديل بث اثنين من Tensors .
تصريح
public struct BroadcastingPullback
سياق
سياق يقوم بتخزين المعلومات السياقية المحلية لسلسلة المحادثات التي تستخدمها واجهات برمجة تطبيقات التعلم العميق مثل الطبقات.
استخدم Context.local لاسترداد سياق مؤشر الترابط المحلي الحالي.
أمثلة:
- قم بتعيين مرحلة التعلم الحالية على التدريب بحيث تقوم طبقات مثل BatchNorm بحساب المتوسط والتباين عند تطبيقها على المدخلات.
```
  Context.local.learningPhase = .training
```
- قم بتعيين مرحلة التعلم الحالية على الاستدلال بحيث لا تسقط الطبقات مثل Dropout الوحدات عند تطبيقها على المدخلات.
```
  Context.local.learningPhase = .inference
```
تصريح
public struct Context
التحويل 1 د
طبقة الالتواء أحادية الأبعاد (على سبيل المثال الالتفاف الزمني عبر سلسلة زمنية).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم دمجه مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct Conv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
Conv2D
طبقة الالتواء ثنائية الأبعاد (على سبيل المثال الالتفاف المكاني فوق الصور).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم دمجه مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct Conv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
تحويل3D
طبقة تلافيفية ثلاثية الأبعاد للالتفاف المكاني/المكاني-الزماني على الصور.
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم دمجه مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct Conv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
TransposeConv1D
طبقة الالتواء المنقولة أحادية الأبعاد (على سبيل المثال، الالتواء المنقول مؤقتًا فوق الصور).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم تبديله مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct TransposedConv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
TransposeConv2D
طبقة الالتواء المنقولة ثنائية الأبعاد (على سبيل المثال، الالتواء المكاني المنقول فوق الصور).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم تبديله مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct TransposedConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
TransposeConv3D
طبقة الالتواء المنقولة ثلاثية الأبعاد (على سبيل المثال، الالتواء المكاني المنقول فوق الصور).
تقوم هذه الطبقة بإنشاء مرشح تلافيفي يتم تبديله مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct TransposedConv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
DepthwiseConv2D
طبقة تلافيفية عميقة ثنائية الأبعاد.
تقوم هذه الطبقة بإنشاء مرشحات تلافيفية منفصلة يتم دمجها مع مدخلات الطبقة لإنتاج موتر من المخرجات.
تصريح
@frozen public struct DepthwiseConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

صفر الحشو1D

طبقة لإضافة حشوة صفرية في البعد الزمني.

تصريح

public struct ZeroPadding1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

ZeroPadding2D

طبقة لإضافة حشوة صفرية في الأبعاد المكانية.

تصريح

public struct ZeroPadding2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

ZeroPadding3D
طبقة لإضافة حشوة صفرية في الأبعاد المكانية/الزمانية.
تصريح
public struct ZeroPadding3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
SeparableConv1D
طبقة تلافيفية قابلة للفصل أحادية الأبعاد.
تقوم هذه الطبقة بإجراء التفاف عميق يعمل بشكل منفصل على القنوات متبوعًا بالتفاف نقطي يمزج القنوات.
تصريح
@frozen public struct SeparableConv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
SeparableConv2D
طبقة تلافيفية ثنائية الأبعاد قابلة للفصل.
تقوم هذه الطبقة بإجراء التفاف عميق يعمل بشكل منفصل على القنوات متبوعًا بالتفاف نقطي يمزج القنوات.
تصريح
@frozen public struct SeparableConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
تتسطح
طبقة مسطحة.
تعمل الطبقة المسطحة على تسوية المدخلات عند تطبيقها دون التأثير على حجم الدفعة.
تصريح
@frozen public struct Flatten<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

إعادة تشكيل

طبقة إعادة تشكيل.

تصريح

@frozen
public struct Reshape<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

وظيفة

طبقة تحتوي على وظيفة مخصصة قابلة للتمييز.

تصريح

public struct Function<Input, Output> : ParameterlessLayer where Input : Differentiable, Output : Differentiable

TensorDataType
قيمة نوع ديناميكي TensorFlow يمكن إنشاؤها من أنواع تتوافق مع TensorFlowScalar .
تصريح
public struct TensorDataType : Equatable

بطفو16

تصريح

@frozen
public struct BFloat16

extension BFloat16: TensorFlowScalar

extension BFloat16: XLAScalarType

مجموعة البيانات
يمثل مجموعة كبيرة محتملة من العناصر.
يمكن استخدام Dataset لتمثيل خط أنابيب الإدخال كمجموعة من موترات العناصر.
تصريح
@available(*, deprecated, message: "Datasets will be removed in S4TF v0.10. Please use the new Batches API instead.") @frozen public struct Dataset<Element> where Element : TensorGroup
extension Dataset: Sequence

DatasetIterator

النوع الذي يسمح بالتكرار على عناصر مجموعة البيانات.

تصريح

@available(*, deprecated)
@frozen
public struct DatasetIterator<Element> where Element : TensorGroup

extension DatasetIterator: IteratorProtocol

Zip2TensorGroup
بنية تشبه صفين تتوافق مع TensorGroup وتمثل صفًا من نوعين يتوافقان مع TensorGroup .
تصريح
@frozen public struct Zip2TensorGroup<T, U> : TensorGroup where T : TensorGroup, U : TensorGroup
كثيف
طبقة شبكة عصبية متصلة بكثافة.
ينفذ Dense عملية activation(matmul(input, weight) + bias) ، حيث يكون weight مصفوفة وزن، bias هو ناقل التحيز، activation هو وظيفة تنشيط حكيمة للعنصر.
تدعم هذه الطبقة أيضًا موترات الوزن ثلاثية الأبعاد بمصفوفات التحيز ثنائية الأبعاد. في هذه الحالة، يتم التعامل مع البعد الأول لكليهما على أنه حجم الدُفعة الذي يتماشى مع البعد الأول input ويتم استخدام متغير الدُفعة لعملية matmul(_:_:) ، وبالتالي استخدام وزن وتحيز مختلفين لكل عنصر في دفعة الإدخال.
تصريح
@frozen public struct Dense<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

جهاز

جهاز يمكن تخصيص Tensor عليه.

تصريح

public struct Device

extension Device: Equatable

extension Device: CustomStringConvertible

أوقع
طبقة التسرب.
يتكون التسرب من تعيين جزء من وحدات الإدخال بشكل عشوائي على 0 عند كل تحديث أثناء وقت التدريب، مما يساعد على منع التجاوز.
تصريح
@frozen public struct Dropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
الضوضاء الغوسية
يضيف GaussianNoise ضوضاء تم أخذ عينات منها من التوزيع الطبيعي.
الضوضاء المضافة دائمًا ما يكون متوسطها صفر، ولكن لها انحراف معياري قابل للتكوين.
تصريح
public struct GaussianNoise<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
GaussianDropout
يقوم GaussianDropout بضرب المدخلات بالضوضاء المأخوذة من التوزيع الطبيعي بمتوسط 1.0.
نظرًا لأن هذه طبقة تنظيم، فهي نشطة فقط أثناء وقت التدريب. أثناء الاستدلال، يمر GaussianDropout عبر الإدخال دون تعديل.
تصريح
public struct GaussianDropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
AlphaDropout
طبقة التسرب ألفا.
Alpha Dropout هو Dropout يحافظ على متوسط وتباين المدخلات لقيمها الأصلية، من أجل ضمان خاصية التطبيع الذاتي حتى بعد هذا التسرب. يتلاءم Alpha Dropout بشكل جيد مع الوحدات الخطية الأسية المتدرجة عن طريق ضبط عمليات التنشيط بشكل عشوائي على قيمة التشبع السالبة.
المصدر: الشبكات العصبية ذاتية التطبيع: https://arxiv.org/abs/1706.02515
تصريح
@frozen public struct AlphaDropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
التضمين
طبقة التضمين.
Embedding هو بشكل فعال جدول بحث يقوم بتعيين المؤشرات من مفردات ثابتة إلى تمثيلات متجهة ذات حجم ثابت (كثيفة)، على سبيل المثال [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]] .
تصريح
public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPoint

EmptyTangentVector

بنية فارغة تمثل TangentVector s الفارغة للطبقات التي لا تحتوي على معلمات.

تصريح

public struct EmptyTangentVector: EuclideanDifferentiable, VectorProtocol, ElementaryFunctions,
  PointwiseMultiplicative, KeyPathIterable

لحظات
زوج من اللحظات الأولى والثانية (أي المتوسط والتباين).
ملحوظة
يعد ذلك ضروريًا لأن أنواع الصف غير قابلة للتمييز.
تصريح
public struct Moments<Scalar> : Differentiable where Scalar : TensorFlowFloatingPoint
التمدد2D
طبقة التمدد المورفولوجية ثنائية الأبعاد
تُرجع هذه الطبقة التمدد الشكلي لموتر الإدخال باستخدام المرشحات المتوفرة
تصريح
@frozen public struct Dilation2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
تآكل2D
طبقة التآكل المورفولوجية ثنائية الأبعاد
تُرجع هذه الطبقة التآكل المورفولوجي لموتر الإدخال باستخدام المرشحات المتوفرة
تصريح
@frozen public struct Erosion2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

أخذ العينات

اختيار كسول للعناصر، بترتيب معين، من مجموعة أساسية ما.

تصريح

public struct Sampling<Base: Collection, Selection: Collection>
where Selection.Element == Base.Index

extension Sampling: SamplingProtocol

extension Sampling: Collection

extension Sampling: BidirectionalCollection
  where Selection: BidirectionalCollection

extension Sampling: RandomAccessCollection
  where Selection: RandomAccessCollection

شرائح
مجموعة من أطول الشرائح المتجاورة غير المتداخلة لبعض المجموعات Base ، بدءًا من العنصر الأول، ولها حد أقصى ثابت للطول.
تحتوي جميع عناصر هذه المجموعة، باستثناء الأخيرة، على count batchSize ، ما لم يكن Base.count % batchSize !=0 ، وفي هذه الحالة يكون count الدفعة الأخيرة هو base.count % batchSize.
تصريح
public struct Slices<Base> where Base : Collection
extension Slices: Collection
BatchNorm
طبقة التطبيع دفعة.
يعمل على تطبيع عمليات تنشيط الطبقة السابقة في كل دفعة، أي تطبيق تحويل يحافظ على متوسط التنشيط بالقرب من 0 والانحراف المعياري للتنشيط بالقرب من 1 .
المرجع: تطبيع الدفعة: تسريع تدريب الشبكة العميقة عن طريق تقليل التحول المتغير الداخلي .
تصريح
@frozen public struct BatchNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
LayerNorm
طبقة تطبق تسوية الطبقة على مجموعة صغيرة من المدخلات.
المرجع: تطبيع الطبقة .
تصريح
@frozen public struct LayerNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
GroupNorm
طبقة تطبق تسوية المجموعة على مجموعة صغيرة من المدخلات.
المرجع: تطبيع المجموعة .
تصريح
@frozen public struct GroupNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
InstanceNorm
طبقة تطبق تطبيع المثيل على مجموعة صغيرة من المدخلات.
المرجع: تطبيع المثيل: العنصر المفقود للأسلوب السريع .
تصريح
@frozen public struct InstanceNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
أوبتيميزرويغتستيبستات
حالة لخطوة واحدة بوزن واحد داخل المُحسِّن.
تصريح
public struct OptimizerWeightStepState
OptimizerState
يتم الوصول إلى الحالة العالمية من خلال StateAccessor .
تصريح
public struct OptimizerState
HyperparameterDictionary
[String: Float] ولكن يمكن الوصول إلى العناصر كما لو كانت أعضاء.
تصريح
@dynamicMemberLookup public struct HyperparameterDictionary
ParameterGroupOptimizer
مُحسِّن يعمل على مجموعة معلمات واحدة.
تصريح
public struct ParameterGroupOptimizer
LocalAccessor
غلاف آمن للنوع حول قيمة فهرس Int للقيم المحلية للمُحسِّن.
تصريح
public struct LocalAccessor
GlobalAccessor
غلاف آمن للنوع حول قيمة فهرس Int للقيم العامة للمُحسِّن.
تصريح
public struct GlobalAccessor
StateAccessor
غلاف آمن للنوع حول قيمة فهرس Int لقيم حالة المحسن.
تصريح
public struct StateAccessor
ParameterGroupOptimizerBuilder
يبني ParameterGroupOptimizer . ويستخدم هذا بشكل أساسي على مستوى وزن واحد في النموذج. يحدد التعيين من مجموعات المعلمات المحددة بواسطة ( [Bool] إلى ParameterGroupOptimizer) المحسن النهائي.
تصريح
public struct ParameterGroupOptimizerBuilder

ماكس بول1D

طبقة تجميع قصوى للبيانات المؤقتة.

تصريح

@frozen
public struct MaxPool1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

MaxPool2D

طبقة تجميع قصوى للبيانات المكانية.

تصريح

@frozen
public struct MaxPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

MaxPool3D

طبقة تجميع قصوى للبيانات المكانية أو الزمانية.

تصريح

@frozen
public struct MaxPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

متوسطPool1D

طبقة تجميع متوسطة للبيانات المؤقتة.

تصريح

@frozen
public struct AvgPool1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

AvgPool2D

طبقة تجميع متوسطة للبيانات المكانية.

تصريح

@frozen
public struct AvgPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

AvgPool3D

طبقة تجميع متوسطة للبيانات المكانية أو الزمانية.

تصريح

@frozen
public struct AvgPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalAvgPool1D

طبقة تجميع عالمية متوسطة للبيانات المؤقتة.

تصريح

@frozen
public struct GlobalAvgPool1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalAvgPool2D

طبقة تجميع عالمية متوسطة للبيانات المكانية.

تصريح

@frozen
public struct GlobalAvgPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalAvgPool3D
طبقة تجميع عالمية متوسطة للبيانات المكانية والزمانية.
تصريح
@frozen public struct GlobalAvgPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

جلوبال ماكس بول1D

طبقة تجميع عالمية قصوى للبيانات المؤقتة.

تصريح

@frozen
public struct GlobalMaxPool1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalMaxPool2D

طبقة تجميع عالمية قصوى للبيانات المكانية.

تصريح

@frozen
public struct GlobalMaxPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalMaxPool3D
طبقة تجميع عالمية قصوى للبيانات المكانية والزمانية.
تصريح
@frozen public struct GlobalMaxPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
FractionalMaxPool2D
طبقة تجميع ماكس كسرية للبيانات المكانية. ملاحظة: لا يحتوي FractionalMaxPool على تطبيق XLA، وبالتالي قد يكون له آثار على الأداء.
تصريح
@frozen public struct FractionalMaxPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

PythonObject

يمثل PythonObject كائنًا في Python ويدعم البحث الديناميكي عن الأعضاء. أي وصول للعضو مثل object.foo سيطلب ديناميكيًا وقت تشغيل Python لعضو يحمل الاسم المحدد في هذا الكائن.

يتم تمرير PythonObject إلى كافة استدعاءات وظائف Python ومراجع الأعضاء وإعادتها منها. وهو يدعم العمليات الحسابية والمقارنة القياسية في بايثون.

داخليًا، يتم تنفيذ PythonObject كمؤشر مُعد مرجعيًا إلى Python C API PyObject .

تصريح

@dynamicCallable
@dynamicMemberLookup
public struct PythonObject

extension PythonObject : CustomStringConvertible

extension PythonObject : CustomPlaygroundDisplayConvertible

extension PythonObject : CustomReflectable

extension PythonObject : PythonConvertible, ConvertibleFromPython

extension PythonObject : SignedNumeric

extension PythonObject : Strideable

extension PythonObject : Equatable, Comparable

extension PythonObject : Hashable

extension PythonObject : MutableCollection

l10n-

extension PythonObject : Sequence

extension PythonObject : ExpressibleByBooleanLiteral, ExpressibleByIntegerLiteral,
ExpressibleByFloatLiteral, ExpressibleByStringLiteral

extension PythonObject : ExpressibleByArrayLiteral, ExpressibleByDictionaryLiteral

throwingPythonObject
مُجمِّع PythonObject الذي يتيح استدعاءات الأسلوب. تنعكس الاستثناءات التي تنتجها وظائف بايثون كأخطاء سويفت ويتم طرحها.
ملحوظة
من المقصود أن ThrowingPythonObject لا يحتوي على السمة @dynamicCallable لأن صيغة الاستدعاء غير بديهية: x.throwing(arg1, arg2, ...) . ستظل الطرق تسمى dynamicallyCall حتى يتم إجراء مزيد من المناقشة/التصميم.
تصريح
public struct ThrowingPythonObject
CheckingPythonObject
مجمّع PythonObject الذي يتيح وصول الأعضاء. تقوم عمليات وصول الأعضاء بإرجاع نتيجة Optional . عندما يفشل وصول العضو، يتم إرجاع nil .
تصريح
@dynamicMemberLookup public struct CheckingPythonObject
واجهة بايثون
واجهة لبيثون.
تسمح PythonInterface بالتفاعل مع Python. يمكن استخدامه لاستيراد الوحدات النمطية والوصول ديناميكيًا إلى أنواع ووظائف Python المضمنة.
ملحوظة
ليس المقصود أن تتم تهيئة PythonInterface مباشرة. بدلاً من ذلك، يرجى استخدام المثيل العام لـ PythonInterface المسمى Python .
تصريح
@dynamicMemberLookup public struct PythonInterface
مكتبة بايثون
تصريح
public struct PythonLibrary
AnyRandomNumberGenerator
مولد رقم عشوائي تم مسحه من النوع.
يقوم نوع AnyRandomNumberGenerator بإعادة توجيه عمليات توليد الأرقام العشوائية إلى مولد أرقام عشوائي أساسي، مما يخفي نوعه الأساسي المحدد.
تصريح
public struct AnyRandomNumberGenerator : RandomNumberGenerator
ARC4RandomNumberGenerator
تنفيذ SeedableRandomNumberGenerator باستخدام ARC4.
ARC4 عبارة عن تشفير دفق يقوم بإنشاء دفق عشوائي زائف من البايتات. يستخدم PRNG البذور كمفتاح له.
تم وصف ARC4 في Schneier, B.، "التشفير التطبيقي: البروتوكولات والخوارزميات وكود المصدر في لغة C"، الطبعة الثانية، 1996.
المولد الفردي ليس آمنًا لسلسلة العمليات، لكن المولدات المميزة لا تشترك في الحالة. البيانات العشوائية التي تم إنشاؤها عالية الجودة، ولكنها غير مناسبة لتطبيقات التشفير.
تصريح
@frozen public struct ARC4RandomNumberGenerator : SeedableRandomNumberGenerator
ThreefryRandomNumberGenerator
تنفيذ SeedableRandomNumberGenerator باستخدام Threefry. سمك السلمون وآخرون. SC 2011. الأرقام العشوائية المتوازية: سهلة مثل 1، 2، 3. http://www.thesalmons.org/john/random123/papers/random123sc11.pdf
يطبق هذا الهيكل 20 جولة Threefry2x32 PRNG. يجب أن يكون مصنفًا بقيمة 64 بت.
المولد الفردي ليس آمنًا لسلسلة العمليات، لكن المولدات المميزة لا تشترك في الحالة. البيانات العشوائية التي تم إنشاؤها عالية الجودة، ولكنها غير مناسبة لتطبيقات التشفير.
تصريح
public struct ThreefryRandomNumberGenerator : SeedableRandomNumberGenerator
PhiloxRandomNumberGenerator
تنفيذ SeedableRandomNumberGenerator باستخدام Philox. سمك السلمون وآخرون. SC 2011. الأرقام العشوائية المتوازية: سهلة مثل 1، 2، 3. http://www.thesalmons.org/john/random123/papers/random123sc11.pdf
يطبق هذا الهيكل Philox4x32 PRNG ذو 10 جولات. ويجب أن يكون مصنفًا بقيمة 64 بت.
المولد الفردي ليس آمنًا لسلسلة العمليات، لكن المولدات المميزة لا تشترك في الحالة. البيانات العشوائية التي تم إنشاؤها عالية الجودة، ولكنها غير مناسبة لتطبيقات التشفير.
تصريح
public struct PhiloxRandomNumberGenerator : SeedableRandomNumberGenerator

توزيع صحيح موحد

تصريح

@frozen
public struct UniformIntegerDistribution<T> : RandomDistribution where T : FixedWidthInteger

توزيع النقطة العائمة الموحدة

تصريح

@frozen
public struct UniformFloatingPointDistribution<T: BinaryFloatingPoint>: RandomDistribution
where T.RawSignificand: FixedWidthInteger

التوزيع الطبيعي

تصريح

@frozen
public struct NormalDistribution<T: BinaryFloatingPoint>: RandomDistribution
where T.RawSignificand: FixedWidthInteger

توزيع بيتا

تصريح

@frozen
public struct BetaDistribution : RandomDistribution

RNNcellInput

مدخلات إلى الشبكة العصبية المتكررة.

تصريح

public struct RNNCellInput<Input, State> : Differentiable where Input : Differentiable, State : Differentiable

extension RNNCellInput: EuclideanDifferentiable
where Input: EuclideanDifferentiable, State: EuclideanDifferentiable

RNNcellOutput

إخراج إلى شبكة عصبية متكررة.

تصريح

public struct RNNCellOutput<Output, State> : Differentiable where Output : Differentiable, State : Differentiable

extension RNNCellOutput: EuclideanDifferentiable
where Output: EuclideanDifferentiable, State: EuclideanDifferentiable

BasicRNNCell

خلية RNN أساسية.

تصريح

public struct BasicRNNCell<Scalar> : RecurrentLayerCell where Scalar : TensorFlowFloatingPoint

LSTMCell

خلية LSTM.

تصريح

public struct LSTMCell<Scalar> : RecurrentLayerCell where Scalar : TensorFlowFloatingPoint

جروسيل

خلية GRU.

تصريح

public struct GRUCell<Scalar> : RecurrentLayerCell where Scalar : TensorFlowFloatingPoint

RecurrentLayer

تصريح

public struct RecurrentLayer<Cell> : Layer where Cell : RecurrentLayerCell

extension RecurrentLayer: Equatable where Cell: Equatable

extension RecurrentLayer: AdditiveArithmetic where Cell: AdditiveArithmetic

طبقة متكررة ثنائية الاتجاه

تصريح

public struct BidirectionalRecurrentLayer<Cell: RecurrentLayerCell>: Layer
where Cell.TimeStepOutput: Mergeable

تسلسلي

طبقة تتكون من طبقتين أخريين أو أكثر بالتسلسل.

أمثلة:

قم ببناء نموذج إدراكي بسيط مكون من طبقتين لـ MNIST:

let inputSize = 28 * 28
let hiddenSize = 300
var classifier = Sequential {
     Dense<Float>(inputSize: inputSize, outputSize: hiddenSize, activation: relu)
     Dense<Float>(inputSize: hiddenSize, outputSize: 3, activation: identity)
 }

إنشاء جهاز تشفير تلقائي لـ MNIST:

var autoencoder = Sequential {
    // The encoder.
    Dense<Float>(inputSize: 28 * 28, outputSize: 128, activation: relu)
    Dense<Float>(inputSize: 128, outputSize: 64, activation: relu)
    Dense<Float>(inputSize: 64, outputSize: 12, activation: relu)
    Dense<Float>(inputSize: 12, outputSize: 3, activation: relu)
    // The decoder.
    Dense<Float>(inputSize: 3, outputSize: 12, activation: relu)
    Dense<Float>(inputSize: 12, outputSize: 64, activation: relu)
    Dense<Float>(inputSize: 64, outputSize: 128, activation: relu)
    Dense<Float>(inputSize: 128, outputSize: imageHeight * imageWidth, activation: tanh)
}

تصريح

public struct Sequential<Layer1: Module, Layer2: Layer>: Module
    where Layer1.Output == Layer2.Input,
          Layer1.TangentVector.VectorSpaceScalar == Layer2.TangentVector.VectorSpaceScalar

extension Sequential: Layer where Layer1: Layer

منشئ الطبقة

تصريح

@_functionBuilder
public struct LayerBuilder

ShapedArray

ShapedArray عبارة عن مصفوفة متعددة الأبعاد. له شكل من النوع [Int] ويحدد أبعاد المصفوفة، ويستخدم TensorBuffer داخليًا كمخزن.

تصريح

@frozen
public struct ShapedArray<Scalar> : _ShapedArrayProtocol

extension ShapedArray: RandomAccessCollection, MutableCollection

extension ShapedArray: CustomStringConvertible

extension ShapedArray: CustomPlaygroundDisplayConvertible

extension ShapedArray: CustomReflectable

extension ShapedArray: ExpressibleByArrayLiteral where Scalar: TensorFlowScalar

extension ShapedArray: Equatable where Scalar: Equatable

extension ShapedArray: Hashable where Scalar: Hashable

extension ShapedArray: Codable where Scalar: Codable

ShapedArraySlice

شريحة متجاورة من مثيل ShapedArray أو ShapedArraySlice .

يتيح ShapedArraySlice عمليات سريعة وفعالة على شرائح متجاورة من مثيلات ShapedArray . لا تحتوي مثيلات ShapedArraySlice على مساحة تخزين خاصة بها. بدلاً من ذلك، يقدمون عرضًا لتخزين قاعدة ShapedArray الخاصة بهم. يمكن أن يمثل ShapedArraySlice نوعين مختلفين من الشرائح: صفائف العناصر والمصفوفات الفرعية.

مصفوفات العناصر هي عناصر فرعية الأبعاد في ShapedArray : رتبتها أقل بواحد من قاعدتها. يتم الحصول على شرائح صفيف العناصر عن طريق فهرسة مثيل ShapedArray باستخدام فهرس Int32 المفرد.

على سبيل المثال:

    var matrix = ShapedArray(shape: [2, 2], scalars: [0, 1, 2, 3])
    // `matrix` represents [[0, 1], [2, 3]].

    let element = matrix[0]
    // `element` is a `ShapedArraySlice` with shape [2]. It is an element
    // array, specifically the first element in `matrix`: [0, 1].

    matrix[1] = ShapedArraySlice(shape: [2], scalars: [4, 8])
    // The second element in `matrix` has been mutated.
    // `matrix` now represents [[0, 1, 4, 8]].

المصفوفات الفرعية هي نطاق متجاور من العناصر الموجودة في ShapedArray . رتبة المصفوفة الفرعية هي نفس رتبة قاعدتها، لكن البعد الرئيسي لها هو عدد نطاق الشرائح. يتم الحصول على شرائح المصفوفة الفرعية عن طريق فهرسة ShapedArray Range<Int32> يمثل نطاقًا من العناصر (في البعد الرئيسي). طرق مثل prefix(:) suffix(:) التي تقوم بفهرسة النطاق داخليًا تنتج أيضًا مصفوفة فرعية.

على سبيل المثال:

    let zeros = ShapedArray(repeating: 0, shape: [3, 2])
    var matrix = ShapedArray(shape: [3, 2], scalars: Array(0..<6))
    // `zeros` represents [[0, 0], [0, 0], [0, 0]].
    // `matrix` represents [[0, 1], [2, 3], [4, 5]].

    let subarray = matrix.prefix(2)
    // `subarray` is a `ShapedArraySlice` with shape [2, 2]. It is a slice
    // of the first 2 elements in `matrix` and represents [[0, 1], [2, 3]].

    matrix[0..<2] = zeros.prefix(2)
    // The first 2 elements in `matrix` have been mutated.
    // `matrix` now represents [[0, 0], [0, 0], [4, 5]].

تصريح

@frozen
public struct ShapedArraySlice<Scalar> : _ShapedArrayProtocol

extension ShapedArraySlice: RandomAccessCollection, MutableCollection

extension ShapedArraySlice: CustomStringConvertible

extension ShapedArraySlice: CustomPlaygroundDisplayConvertible

extension ShapedArraySlice: CustomReflectable

extension ShapedArraySlice: ExpressibleByArrayLiteral where Scalar: TensorFlowScalar

extension ShapedArraySlice: Equatable where Scalar: Equatable

extension ShapedArraySlice: Hashable where Scalar: Hashable

extension ShapedArraySlice: Codable where Scalar: Codable

StringTensor
StringTensor عبارة عن مصفوفة متعددة الأبعاد عناصرها عبارة عن String s.
تصريح
@frozen public struct StringTensor
extension StringTensor: TensorGroup
TensorHandle
TensorHandle هو النوع الذي تستخدمه العمليات. وهو يشتمل على نوع Scalar ، والذي يمكن أن يستخدمه المترجمون الداخليون لتحديد أنواع بيانات المعلمات عند استخراجها في برنامج موتر.
تصريح
public struct TensorHandle<Scalar> where Scalar : _TensorFlowDataTypeCompatible
extension TensorHandle: TensorGroup

ResourceHandle

تصريح

public struct ResourceHandle

extension ResourceHandle: TensorGroup

VariantHandle

تصريح

public struct VariantHandle

extension VariantHandle: TensorGroup

TensorShape

هيكل يمثل شكل موتر.

TensorShape عبارة عن غلاف رفيع حول مجموعة من الأعداد الصحيحة التي تمثل أبعاد الشكل. تستخدم جميع أنواع الموترات TensorShape لتمثيل شكلها.

تصريح

@frozen
public struct TensorShape : ExpressibleByArrayLiteral

extension TensorShape: Collection, MutableCollection

extension TensorShape: RandomAccessCollection

extension TensorShape: RangeReplaceableCollection

extension TensorShape: Equatable

extension TensorShape: Codable

extension TensorShape: CustomStringConvertible

TensorVisitorPlan
TensorVisitorPlan يقارب [WritableKeyPath<Base, Tensor<Float>] ولكنه أكثر كفاءة. يعد هذا مفيدًا لكتابة أدوات التحسين العامة التي ترغب في تعيين التدرجات والأوزان الموجودة والفهرس الذي يمكن استخدامه للعثور على الأوزان المخزنة بشكل مساعد. يعد هذا أكثر كفاءة قليلاً (~ 2x) ولكنه قد يكون أفضل لأنه يستبدل النفقات العامة الأعلى قليلاً (إلغاء مرجعية المؤشر الإضافية) لعدم الاضطرار إلى القيام بعمل O(عمق_of_tree) المطلوب مع قائمة عادية لتعقب كل KeyPath على حدة.
تصريح
public struct TensorVisitorPlan<Base>

UpSampling1D

طبقة الاختزال للمدخلات 1-D.

تصريح

@frozen
public struct UpSampling1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

UpSampling2D

طبقة تكبير للمدخلات ثنائية الأبعاد.

تصريح

@frozen
public struct UpSampling2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

UpSampling3D

طبقة تكبير للمدخلات ثلاثية الأبعاد.

تصريح

@frozen
public struct UpSampling3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

إحصائيات المضيف
يجمع عدادات التنبؤ الصحيحة وإجماليات الخسارة.
تصريح
public struct HostStatistics