警告:このプロジェクトは廃止されました。 Swift for TensorFlow は、機械学習、コンパイラー、微分可能プログラミング、システム設計などにわたる最新の研究を組み込んだ、機械学習用の次世代プラットフォームの実験でした。 2021年2月にアーカイブされました。

このページは Cloud Translation API によって翻訳されました。

ストラクチャ

次の構造は世界中で利用可能です。

連結

同じ要素タイプを持つ 2 つのシーケンスの連結。

宣言

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

回転コレクション

コレクションの回転ビュー。

宣言

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

extension RotatedCollection: BidirectionalCollection
where Base: BidirectionalCollection

extension RotatedCollection: RandomAccessCollection
where Base: RandomAccessCollection

微分可能

宣言

public struct AnyDifferentiable : Differentiable

任意のデリバティブ
型消去された微分値。
AnyDerivative型は、その演算をDifferentiableおよびAdditiveArithmeticに準拠する任意の基底微分値に転送し、基になる値の詳細を隠します。
宣言
@frozen public struct AnyDerivative : Differentiable & AdditiveArithmetic

テンソル

ベクトルと行列を潜在的に高次元に一般化した要素の多次元配列。

ジェネリックパラメーターScalarテンソル内のスカラーのタイプ ( Int32 、 Floatなど) を記述します。

宣言

@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: ElementaryFunctions where Scalar: TensorFlowFloatingPoint

extension Tensor: VectorProtocol where Scalar: TensorFlowFloatingPoint

extension Tensor: Equatable where Scalar: Equatable

extension Tensor: Mergeable where Scalar: TensorFlowFloatingPoint

extension Tensor: Codable where Scalar: Codable

extension Tensor: PointwiseMultiplicative where Scalar: Numeric

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

放送プルバック
2 つのTensorsをブロードキャストする転置を実行するプルバック関数。
宣言
public struct BroadcastingPullback
コンテクスト
レイヤーなどの深層学習 API によって使用されるスレッドローカルのコンテキスト情報を保存するコンテキスト。
Context.localを使用して、現在のスレッドローカルコンテキストを取得します。
例:
- 現在の学習フェーズをトレーニングに設定して、 BatchNormなどのレイヤーが入力に適用されたときに平均と分散を計算できるようにします。
```
  Context.local.learningPhase = .training
```
- Dropoutなどのレイヤーが入力に適用されたときにユニットがドロップアウトしないように、現在の学習フェーズを推論に設定します。
```
  Context.local.learningPhase = .inference
```
宣言
public struct Context
変換1D
1-D 畳み込み層 (時系列にわたる時間畳み込みなど)。
この層は、層の入力と畳み込まれて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct Conv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
変換2D
2-D 畳み込みレイヤー (画像上の空間畳み込みなど)。
この層は、層の入力と畳み込まれて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct Conv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
Conv3D
画像上の空間/時空間コンボリューションのための 3-D コンボリューションレイヤー。
この層は、層の入力と畳み込まれて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct Conv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
転置Conv1D
1-D 転置畳み込み層 (例: 画像上の時間転置畳み込み)。
この層は、層入力と転置畳み込みされて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct TransposedConv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
転置Conv2D
2-D 転置畳み込みレイヤー (例: 画像上の空間転置畳み込み)。
この層は、層入力と転置畳み込みされて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct TransposedConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
転置Conv3D
3-D 転置畳み込みレイヤー (例: 画像上の空間転置畳み込み)。
この層は、層入力と転置畳み込みされて出力のテンソルを生成する畳み込みフィルターを作成します。
宣言
@frozen public struct TransposedConv3D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
DepthwiseConv2D
2 次元の深さ方向の畳み込み層。
この層は、層の入力と畳み込まれて出力のテンソルを生成する分離可能な畳み込みフィルターを作成します。
宣言
@frozen public struct DepthwiseConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
ゼロパディング1D
時間次元にゼロパディングを追加するためのレイヤー。
宣言
public struct ZeroPadding1D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
ゼロパディング 2D
空間次元にゼロパディングを追加するためのレイヤー。
宣言
public struct ZeroPadding2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
ゼロパディング3D
空間/時空間次元にゼロパディングを追加するためのレイヤー。
宣言
public struct ZeroPadding3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
SeparableConv1D
1 次元の分離可能な畳み込み層。
この層は、チャネルに個別に作用する深さ方向の畳み込みを実行し、続いてチャネルを混合する点方向の畳み込みを実行します。
宣言
@frozen public struct SeparableConv1D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
SeparableConv2D
2 次元の分離可能な畳み込み層。
この層は、チャネルに個別に作用する深さ方向の畳み込みを実行し、続いてチャネルを混合する点方向の畳み込みを実行します。
宣言
@frozen public struct SeparableConv2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
平らにする
平坦化された層。
平坦化レイヤーは、バッチサイズに影響を与えることなく、適用時に入力を平坦化します。
宣言
@frozen public struct Flatten<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

形を変える

形状変更レイヤー。

宣言

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

関数

カスタム微分可能関数を囲むレイヤー。

宣言

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

TensorDataType
TensorFlowScalarに準拠する型から作成できる TensorFlow 動的型値。
宣言
public struct TensorDataType : Equatable

BFloat16

宣言

@frozen
public struct BFloat16

extension BFloat16: TensorFlowScalar

extension BFloat16: XLAScalarType

データセット

潜在的に大規模な要素のセットを表します。

Dataset使用して、入力パイプラインを要素テンソルのコレクションとして表すことができます。

宣言

@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

データセットイテレータ

データセットの要素の反復を可能にするタイプ。

宣言

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

extension DatasetIterator: IteratorProtocol

Zip2TensorGroup
TensorGroup に準拠する 2 つのタイプのタプルを表すTensorGroupに準拠する 2 タプルのような構造体。
宣言
@frozen public struct Zip2TensorGroup<T, U> : TensorGroup where T : TensorGroup, U : TensorGroup
密集
高密度に接続されたニューラルネットワーク層。
Dense 、操作activation(matmul(input, weight) + bias)を実装します。ここで、 weightは重み行列、 biasはバイアスベクトル、 activationは要素ごとの活性化関数です。
この層は、2 次元バイアス行列を使用した 3 次元重みテンソルもサポートします。この場合、両方の最初の次元がinput最初の次元と一致するバッチサイズとして扱われ、 matmul(_:_:)操作のバッチバリアントが使用されるため、要素ごとに異なる重みとバイアスが使用されます。入力バッチ内。
宣言
@frozen public struct Dense<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

デバイス

Tensorを割り当てることができるデバイス。

宣言

public struct Device

extension Device: Equatable

extension Device: CustomStringConvertible

ドロップアウト
ドロップアウト層。
ドロップアウトは、トレーニング中の更新ごとに入力ユニットの一部をランダムに0に設定することで構成され、これは過学習の防止に役立ちます。
宣言
@frozen public struct Dropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
ガウスノイズ
GaussianNoise正規分布からサンプリングされたノイズを追加します。
追加されるノイズの平均は常にゼロですが、標準偏差は構成可能です。
宣言
public struct GaussianNoise<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
ガウスドロップアウト
GaussianDropout平均 1.0 の正規分布からサンプリングされたノイズを入力に乗算します。
これは正則化層であるため、トレーニング時間中にのみアクティブになります。推論中、 GaussianDropout入力を変更せずに通過させます。
宣言
public struct GaussianDropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
アルファドロップアウト
アルファドロップアウトレイヤー。
アルファドロップアウトは、このドロップアウトの後でも自己正規化特性を保証するために、入力の平均と分散を元の値に維持するDropoutです。アルファドロップアウトは、アクティベーションを負の飽和値にランダムに設定することにより、スケーリングされた指数線形単位によく適合します。
出典 : 自己正規化ニューラルネットワーク: https://arxiv.org/abs/1706.02515
宣言
@frozen public struct AlphaDropout<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint
埋め込み
埋め込みレイヤー。
Embedding事実上、インデックスを固定語彙から固定サイズ (密) ベクトル表現にマッピングするルックアップテーブルです (例[[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]]
宣言
public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPoint

空の接線ベクトル

パラメータのないレイヤーの空のTangentVectorを表す空の構造体。

宣言

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

瞬間
一次モーメントと二次モーメントのペア (つまり、平均と分散)。
注記
タプル型は微分できないため、これが必要になります。
宣言
public struct Moments<Scalar> : Differentiable where Scalar : TensorFlowFloatingPoint
拡張2D
2D 形態学的拡張レイヤー
この層は、提供されたフィルターを使用して入力テンソルの形態学的膨張を返します。
宣言
@frozen public struct Dilation2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
侵食2D
2-D 形態侵食層
この層は、提供されたフィルターを使用して入力テンソルの形態的浸食を返します。
宣言
@frozen public struct Erosion2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

サンプリング

何らかの基本コレクションから、指定された順序で要素を遅延選択します。

宣言

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

スライス
一部のBaseコレクションの重複しない連続スライスのコレクション。最初の要素から始まり、一定の最大長が固定されています。
このコレクションの最後の要素を除くすべての要素は、 Base.count % batchSize !=0 batchSize count 、最後のバッチのcountはbase.count % batchSize.
宣言
public struct Slices<Base> where Base : Collection
extension Slices: Collection
バッチノルム
バッチ正規化レイヤー。
各バッチで前の層のアクティベーションを正規化します。つまり、平均アクティベーションを0に近く、アクティベーションの標準偏差を1に近く維持する変換を適用します。
参照:バッチ正規化: 内部共変量シフトを低減することによるディープネットワークトレーニングの加速。
宣言
@frozen public struct BatchNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
レイヤノルム
入力のミニバッチに対してレイヤー正規化を適用するレイヤー。
参照:レイヤーの正規化。
宣言
@frozen public struct LayerNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
グループノルム
入力のミニバッチにグループ正規化を適用するレイヤー。
参照:グループの正規化。
宣言
@frozen public struct GroupNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
インスタンスノルム
入力のミニバッチに対してインスタンスの正規化を適用するレイヤー。
参考:インスタンスの正規化: 高速スタイル化に不足している要素。
宣言
@frozen public struct InstanceNorm<Scalar> : Layer where Scalar : TensorFlowFloatingPoint
OptimizerWeightStepState
オプティマイザー内の単一重みの単一ステップの状態。
宣言
public struct OptimizerWeightStepState
オプティマイザーの状態
StateAccessorを通じてアクセスされるグローバル状態。
宣言
public struct OptimizerState
ハイパーパラメータ辞書
[String: Float]ですが、要素にはメンバーであるかのようにアクセスできます。
宣言
@dynamicMemberLookup public struct HyperparameterDictionary
パラメータグループオプティマイザー
単一のパラメータグループに対して動作するオプティマイザ。
宣言
public struct ParameterGroupOptimizer
ローカルアクセサ
オプティマイザーのローカル値のIntインデックス値を囲むタイプセーフなラッパー。
宣言
public struct LocalAccessor
グローバルアクセス
オプティマイザーのグローバル値のIntインデックス値を囲むタイプセーフなラッパー。
宣言
public struct GlobalAccessor
状態アクセサ
オプティマイザー状態値のIntインデックス値の型安全なラッパー。
宣言
public struct StateAccessor
パラメータグループオプティマイザービルダー
ParameterGroupOptimizerを構築します。これは、基本的にモデル内の単一の重みのレベルで使用されます。 ( [Bool]から ParameterGroupOptimizer) によって選択されたパラメーターグループからのマッピングによって、最終的なオプティマイザーが定義されます。
宣言
public struct ParameterGroupOptimizerBuilder

MaxPool1D

時間データの最大プーリング層。

宣言

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

MaxPool2D

空間データの最大プーリング層。

宣言

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

MaxPool3D

空間または時空間データの最大プーリング層。

宣言

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

平均プール1D

一時データの平均的なプーリング層。

宣言

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

AvgPool2D

空間データの平均的なプーリング層。

宣言

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

平均プール3D

空間または時空間データの平均的なプーリング層。

宣言

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

GlobalAvgPool1D

一時データのグローバル平均プーリング層。

宣言

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

GlobalAvgPool2D

空間データのグローバル平均プーリング層。

宣言

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

GlobalAvgPool3D

空間および時空間データのグローバル平均プーリングレイヤー。

宣言

@frozen
public struct GlobalAvgPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

GlobalMaxPool1D

一時データのグローバル最大プーリング層。

宣言

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

GlobalMaxPool2D

空間データのグローバル最大プーリング層。

宣言

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

GlobalMaxPool3D

空間および時空間データのグローバル最大プーリングレイヤー。

宣言

@frozen
public struct GlobalMaxPool3D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

FractionalMaxPool2D
空間データのフラクショナル最大プーリング層。注: FractionalMaxPoolは XLA 実装がないため、パフォーマンスに影響を与える可能性があります。
宣言
@frozen public struct FractionalMaxPool2D<Scalar> : ParameterlessLayer where Scalar : TensorFlowFloatingPoint

Pythonオブジェクト

PythonObject Python のオブジェクトを表し、動的メンバー検索をサポートします。 object.fooなどのメンバーアクセスは、このオブジェクト内の指定された名前を持つメンバーの Python ランタイムを動的に要求します。

PythonObject 、すべての Python 関数呼び出しとメンバー参照に渡され、そこから返されます。標準の Python 算術演算子と比較演算子をサポートします。

内部的には、 PythonObject 、Python C API PyObjectへの参照カウントされたポインターとして実装されます。

宣言

@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 : Sequence

extension PythonObject : MutableCollection

extension PythonObject : ExpressibleByBooleanLiteral, ExpressibleByIntegerLiteral,
ExpressibleByFloatLiteral, ExpressibleByStringLiteral

extension PythonObject : ExpressibleByArrayLiteral, ExpressibleByDictionaryLiteral

Pythonオブジェクトを投げる
メソッド呼び出しのスローを可能にするPythonObjectラッパー。 Python 関数によって生成された例外は、Swift エラーとして反映され、スローされます。
注記
呼び出し構文x.throwing(arg1, arg2, ...)直感的ではないため、 ThrowingPythonObjectに@dynamicCallable属性がないのは意図的です。さらなる議論/設計が行われるまで、メソッドの名前は引き続きdynamicallyCallとなります。
宣言
public struct ThrowingPythonObject
Pythonオブジェクトのチェック
メンバーアクセスを可能にするPythonObjectラッパー。メンバーのアクセス操作はOptional結果を返します。メンバーアクセスに失敗した場合はnilが返されます。
宣言
@dynamicMemberLookup public struct CheckingPythonObject
Pythonインターフェース
Python 用のインターフェース。
PythonInterface使用すると、Python との対話が可能になります。これを使用して、モジュールをインポートし、Python の組み込み型と関数に動的にアクセスできます。
注記
PythonInterface直接初期化することは意図されていません。代わりに、 Pythonと呼ばれるPythonInterfaceのグローバルインスタンスを使用してください。
宣言
@dynamicMemberLookup public struct PythonInterface
Pythonライブラリ
宣言
public struct PythonLibrary
AnyRandomNumberGenerator
型消去型乱数生成器。
AnyRandomNumberGenerator型は、乱数生成操作を基礎となる乱数ジェネレーターに転送し、その特定の基礎となる型を隠します。
宣言
public struct AnyRandomNumberGenerator : RandomNumberGenerator
ARC4乱数ジェネレーター
ARC4 を使用したSeedableRandomNumberGeneratorの実装。
ARC4 は、擬似ランダムなバイトストリームを生成するストリーム暗号です。この PRNG はシードをキーとして使用します。
ARC4 については、Schneier, B.、「Applied Cryptography: Protocols, Algorithms, and Source Code in C」、第 2 版、1996 年に説明されています。
個々のジェネレーターはスレッドセーフではありませんが、個別のジェネレーターは状態を共有しません。生成されるランダムデータは高品質ですが、暗号化アプリケーションには適していません。
宣言
@frozen public struct ARC4RandomNumberGenerator : SeedableRandomNumberGenerator
ThreefryRandomNumberGenerator
Threefry を使用したSeedableRandomNumberGeneratorの実装。サーモンら。 SC 2011。並列乱数: 1、2、3 と同じくらい簡単。 http://www.thesalmons.org/john/random123/papers/random123sc11.pdf
この構造体は、20 ラウンドの Threefry2x32 PRNG を実装します。 64 ビット値をシードする必要があります。
個々のジェネレーターはスレッドセーフではありませんが、個別のジェネレーターは状態を共有しません。生成されるランダムデータは高品質ですが、暗号化アプリケーションには適していません。
宣言
public struct ThreefryRandomNumberGenerator : SeedableRandomNumberGenerator
PhiloxRandomNumberGenerator
Philox を使用したSeedableRandomNumberGeneratorの実装。サーモンら。 SC 2011。並列乱数: 1、2、3 と同じくらい簡単。 http://www.thesalmons.org/john/random123/papers/random123sc11.pdf
この構造体は、10 ラウンドの Philox4x32 PRNG を実装します。 64 ビット値をシードする必要があります。
個々のジェネレーターはスレッドセーフではありませんが、個別のジェネレーターは状態を共有しません。生成されるランダムデータは高品質ですが、暗号化アプリケーションには適していません。
宣言
public struct PhiloxRandomNumberGenerator : SeedableRandomNumberGenerator

均一整数分布

宣言

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

均一浮動小数点分布

宣言

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

正規分布

宣言

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

ベータ版配布

宣言

@frozen
public struct BetaDistribution : RandomDistribution

RNNCell入力

リカレントニューラルネットワークへの入力。

宣言

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

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

RNNCell出力

リカレントニューラルネットワークへの出力。

宣言

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

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

ベーシックRNNCell

基本的な RNN セル。

宣言

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

LSTMCell

LSTM セル。

宣言

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

GRUCell

GRUセル。

宣言

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

リカレントレイヤー

宣言

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

extension RecurrentLayer: Equatable where Cell: Equatable

extension RecurrentLayer: AdditiveArithmetic where Cell: AdditiveArithmetic

双方向再帰層

宣言

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

一連

他の 2 つ以上のレイヤーを連続して構成するレイヤー。

例:

MNIST 用の単純な 2 層パーセプトロンモデルを構築します。

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)
 }

MNIST 用のオートエンコーダーを構築します。

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)
}

宣言

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

レイヤビルダー

宣言

@_functionBuilder
public struct LayerBuilder

ShapedArray

ShapedArrayは多次元配列です。これは[Int]型の形状を持ち、配列の次元を定義し、ストレージとしてTensorBuffer内部的に使用します。

宣言

@frozen
public struct ShapedArray<Scalar> : _ShapedArrayProtocol

extension ShapedArray: RandomAccessCollection, MutableCollection

extension ShapedArray: CustomStringConvertible

extension ShapedArray: CustomPlaygroundDisplayConvertible

extension ShapedArray: CustomReflectable

l10n-placeholder147

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

ShapedArrayまたはShapedArraySliceインスタンスの連続スライス。

ShapedArraySlice使用すると、 ShapedArrayインスタンスの連続スライスに対する高速かつ効率的な操作が可能になります。 ShapedArraySliceインスタンスには独自のストレージがありません。代わりに、ベースShapedArrayのストレージへのビューを提供します。 ShapedArraySlice要素配列と部分配列という 2 つの異なる種類のスライスを表すことができます。

要素配列はShapedArrayのサブディメンション要素です。そのランクはベースのランクより 1 つ小さいです。要素配列スライスは、 ShapedArrayインスタンスに単数のInt32インデックスを付けることによって取得されます。

例えば：

    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]].

サブ配列は、 ShapedArray内の要素の連続した範囲です。サブ配列のランクはそのベースのランクと同じですが、その先頭の次元はスライス範囲の数です。サブ配列スライスは、(先頭の次元の) 要素の範囲を表すRange<Int32>を使用してShapedArrayにインデックスを付けることによって取得されます。 prefix(:)やsuffix(:)内部的に範囲でインデックスを付けるメソッドも部分配列を生成します。

例えば：

    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]].

宣言

@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

文字列テンソル
StringTensor 、要素がStringである多次元配列です。
宣言
@frozen public struct StringTensor
extension StringTensor: TensorGroup
テンソルハンドル
TensorHandle ops で使用される型です。これには、パラメーターがテンソルプログラムに抽出されるときにコンパイラー内部でパラメーターのデータ型を決定するために使用できるScalar型が含まれています。
宣言
public struct TensorHandle<Scalar> where Scalar : _TensorFlowDataTypeCompatible
extension TensorHandle: TensorGroup

リソースハンドル

宣言

public struct ResourceHandle

extension ResourceHandle: TensorGroup

バリアントハンドル

宣言

public struct VariantHandle

extension VariantHandle: TensorGroup

テンソルシェイプ

テンソルの形状を表す構造体。

TensorShape 、形状の次元を表す整数の配列を囲む薄いラッパーです。すべてのテンソルタイプは、 TensorShapeを使用してその形状を表します。

宣言

@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 は[WritableKeyPath<Base, Tensor<Float>]を近似しますが、より効率的です。これは、勾配、既存の重み、補助的に保存された重みを見つけるために使用できるインデックスをマッピングする汎用オプティマイザーを作成する場合に便利です。これは若干効率的 (~2 倍) ですが、個々の KeyPath を追跡するために単純なリストで必要とされる O( Depth_of_tree) 作業を実行する必要がないため、わずかに高いオーバーヘッド (追加のポインタ逆参照) をトレードオフするため、より良い可能性があります。
宣言
public struct TensorVisitorPlan<Base>

アップサンプリング1D

1 次元入力のアップサンプリングレイヤー。

宣言

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

アップサンプリング2D

2D 入力のアップサンプリングレイヤー。

宣言

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

アップサンプリング3D

3D 入力のアップサンプリングレイヤー。

宣言

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

ホスト統計
正しい予測カウンターと損失合計を収集します。
宣言
public struct HostStatistics