TensorFlow API के लिए स्विफ्ट त्वरित गणना करने के लिए प्राथमिक साधन के रूप में Tensor
प्रकार का उपयोग करता है। एक Tensor
मानों की एक बहुआयामी सरणी का प्रतिनिधित्व करता है, और Tensor
s पर संचालन स्वचालित रूप से दो बैकएंड में से एक का उपयोग करके उपलब्ध त्वरक पर भेज दिया जाता है।
एक Tensor
इसमें मौजूद मानों के प्रकार के बारे में सामान्य है। इन मानों का प्रकार TensorFlowScalar
के अनुरूप होना चाहिए, जिनमें सामान्य प्रकार Float
, Int32
और Bool
हैं। उदाहरण के लिए, कुछ पूर्व निर्धारित मानों के साथ दो Float
-युक्त Tensor
को प्रारंभ करने के लिए, आप निम्न कार्य कर सकते हैं:
let tensor1 = Tensor<Float>([0.0, 1.0, 2.0])
let tensor2 = Tensor<Float>([1.5, 2.5, 3.5])
यदि आपने <Float>
प्रकार पैरामीटर को छोड़ दिया होता, तो स्विफ्ट एक प्रकार के Tensor<Double>
का अनुमान लगाती। स्विफ्ट में फ़्लोटिंग-पॉइंट शाब्दिक के लिए Double
डिफ़ॉल्ट प्रकार है। मशीन लर्निंग गणनाओं में Float
मान अधिक सामान्य होते हैं, इसलिए हम यहां उसका उपयोग कर रहे हैं।
कई सामान्य ऑपरेटर Tensor
पर काम करते हैं। उदाहरण के लिए, उनमें से दो को जोड़ने और परिणाम प्राप्त करने के लिए, आप निम्नलिखित कार्य कर सकते हैं:
let tensor3 = tensor1 + tensor2
Tensor
पर आप जो ऑपरेशन कर सकते हैं उनकी पूरी सूची एपीआई दस्तावेज़ में उपलब्ध है।
_Raw
संचालन
Tensor
संचालन त्वरक के साथ काम करने के दो अलग-अलग माध्यमों द्वारा समर्थित हैं, फिर भी उनके पास एक एकीकृत उच्च-स्तरीय इंटरफ़ेस है। हुड के तहत, _Raw
ऑपरेशंस को परिभाषित किया गया है जो या तो _RawXLA
या _RawTFEager
संस्करणों को भेजता है, जो कि प्रश्न में Tensor
के लिए उपयोग किए गए बैकएंड पर निर्भर करता है। TensorFlow या X10 के लिए ये _Raw
बाइंडिंग स्वचालित रूप से उत्पन्न होती हैं।
आम तौर पर, आपको _Raw
ऑपरेशंस के साथ सीधे इंटरैक्ट करने की आवश्यकता नहीं होगी। इनके शीर्ष पर मुहावरेदार स्विफ्ट इंटरफेस का निर्माण किया गया है, और इसी तरह आप आमतौर पर Tensor
गणना करेंगे।
हालाँकि, सभी अंतर्निहित TensorFlow ऑपरेशंस में मिलान वाले स्विफ्ट इंटरफ़ेस नहीं हैं, इसलिए आपको कभी-कभी अपने कोड में _Raw
ऑपरेटरों तक पहुंचने की आवश्यकता हो सकती है। यदि आपको ऐसा करने की आवश्यकता है, तो यह प्रदर्शित करने के लिए एक इंटरैक्टिव ट्यूटोरियल उपलब्ध है कि यह कैसे काम करता है।