تينسورفلو :: موتر

قطع هذا الموتر على طول البعد الأول.

أي ، عاد الموتر المرتجع [i، ...] == هذا [dim0_start + i، ...]. يشترك الموتر المرتجع في المخزن المؤقت الأساسي للموتر مع هذا الموتر.

ملاحظة: قد لا يلبي الموتر المرتجع نفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المتصل التحقق من محاذاة الموتر المرتجع قبل استدعاء طرق معينة لها متطلبات محاذاة (على سبيل المثال ، flat() ، tensor() ).

ملاحظة: عند التغذية بموتر N-dimensional ، ترجع هذه الطريقة موتر أيضاً بأبعاد N. إذا كنت تريد تحديد موتر فرعي ، فراجع شريحة فرعية.

المتطلبات: dims dims() > = 1 المتطلبات: 0 <= dim0_start <= dim0_limit <= dim_size(0)

حدد شريحة فرعية من هذا الموتر على طول البعد الأول.

عند التغذية بموتر N-dimensional tensor ، فإن هذه الطريقة ترجع موترًا بأبعاد N-1 ، حيث يكون الموتر المرتجع شريحة فرعية من موتر الإدخال على طول البعد الأول. أبعاد N-1 للموتر المرتجع هي أبعاد N-1 الأخيرة لموتّر الإدخال.

ملاحظة: قد لا يلبي الموتر المرتجع نفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المتصل التحقق من محاذاة الموتر المرتجع قبل استدعاء طرق معينة لها متطلبات محاذاة (على سبيل المثال ، flat() ، tensor() ).

المتطلبات: dims dims() > = 1 المتطلبات: 0 <= dim0_start < dim_size(0)

تقديم قيم max_entries الأولى في *this في سلسلة.

ينشئ موتر عائم أحادي البعد ، مكون من 0 عنصر.

Tensor الذي تم إرجاعه ليس حجميًا (شكل {}) ، ولكنه بدلاً من ذلك موتر فارغ أحادي البعد (الشكل {0} ، NumElements () == 0). نظرًا لأنه لا يحتوي على عناصر ، فلا يلزم تعيين قيمة له ويتم تهيئته افتراضيًا ( IsInitialized () هو true). إذا كان هذا غير مرغوب فيه ، ففكر في إنشاء عدد قياسي من عنصر واحد يتطلب تهيئة:

Tensor(DT_FLOAT, TensorShape({}))

ينشئ Tensor من type shape .

إذا كان LogMemory :: IsEnabled () يتم تسجيل التخصيص على أنه قادم من نواة وخطوة غير معروفة. تم إيقاف استدعاء مُنشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction / OpKernelContext Customate_ * لتخصيص موتر جديد ، والذي يسجل النواة والخطوة.

يتم تخصيص المخزن المؤقت الأساسي باستخدام CPUAllocator .

ينشئ موترًا type الإدخال shape ، باستخدام المخصص a لتخصيص المخزن المؤقت الأساسي.

إذا كان LogMemory :: IsEnabled () يتم تسجيل التخصيص على أنه قادم من نواة وخطوة غير معروفة. تم إيقاف استدعاء مُنشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction / OpKernelContext Customate_ * لتخصيص موتر جديد ، والذي يسجل النواة والخطوة.

يجب a يعيش أكثر من عمر هذا Tensor .

ينشئ موترًا type الإدخال shape ، باستخدام المُخصص a و "التخصيص_اتر" المحدد لتخصيص المخزن المؤقت الأساسي.

إذا كانت النواة والخطوة معروفتين ، فيجب ضبط التخصيص على "صحيح" ويجب استدعاء LogMemory :: RecordTensorAllocation بعد إنشاء الموتر. تم إيقاف استدعاء مُنشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction / OpKernelContext Customate_ * لتخصيص موتر جديد ، والذي يسجل النواة والخطوة.

يجب a يعيش أكثر من عمر هذا Tensor .

يُنشئ موترًا بنوع بيانات الإدخال والشكل والبوف.

يكتسب المرجع على buf الذي ينتمي إلى هذا Tensor .

ينشئ Tensor فارغًا لنوع البيانات المحدد.

مثل Tensor () ، يقوم بإرجاع Tensor أحادي البعد ، 0 عنصر مع IsInitialized () بإرجاع True. راجع وثائق Tensor () للحصول على التفاصيل.

موتر

 Tensor(
  double scalar_value
)

 Tensor(
  int32 scalar_value
)

 Tensor(
  uint32 scalar_value
)

 Tensor(
  uint16 scalar_value
)

 Tensor(
  uint8 scalar_value
)

 Tensor(
  int16 scalar_value
)

 Tensor(
  int8 scalar_value
)

 Tensor(
  tstring scalar_value
)

 Tensor(
  complex64 scalar_value
)

 Tensor(
  complex128 scalar_value
)

 Tensor(
  int64 scalar_value
)

 Tensor(
  uint64 scalar_value
)

 Tensor(
  bool scalar_value
)

 Tensor(
  qint8 scalar_value
)

 Tensor(
  quint8 scalar_value
)

 Tensor(
  qint16 scalar_value
)

 Tensor(
  quint16 scalar_value
)

 Tensor(
  qint32 scalar_value
)

 Tensor(
  bfloat16 scalar_value
)

 Tensor(
  Eigen::half scalar_value
)

 Tensor(
  ResourceHandle scalar_value
)

 Tensor(
  const char *scalar_value
)

 Tensor(
  const Tensor & other
)

 Tensor(
  Tensor && other
)

size_t TotalBytes() const 

void UnsafeCopyFromInternal(
  const Tensor & other,
  DataType dtype,
  const TensorShape & shape
)

TTypes< T, NDIMS >::Tensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::ConstTensor bit_casted_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T, NDIMS >::Tensor bit_casted_tensor()

TTypes< T, NDIMS >::ConstTensor bit_casted_tensor() const 

int64 dim_size(
  int d
) const 

int dims() const 

DataType dtype() const 

TTypes< T >::Flat flat()

  
    typedef float T;
    Tensor my_ten(...built with Shape{planes: 4, rows: 3, cols: 5}...);
    // 1D Eigen::Tensor, size 60:
    auto flat = my_ten.flat();
    // 2D Eigen::Tensor 12 x 5:
    auto inner = my_ten.flat_inner_dims();
    // 2D Eigen::Tensor 4 x 15:
    auto outer = my_ten.shaped({4, 15});
    // CHECK fails, bad num elements:
    auto outer = my_ten.shaped({4, 8});
    // 3D Eigen::Tensor 6 x 5 x 2:
    auto weird = my_ten.shaped({6, 5, 2});
    // CHECK fails, type mismatch:
    auto bad   = my_ten.flat();

TTypes< T >::ConstFlat flat() const 

TTypes< T, NDIMS >::Tensor flat_inner_dims()

TTypes< T, NDIMS >::ConstTensor flat_inner_dims() const 

TTypes< T, NDIMS >::Tensor flat_inner_outer_dims(
  int64 begin
)

TTypes< T, NDIMS >::ConstTensor flat_inner_outer_dims(
  int64 begin
) const 

TTypes< T, NDIMS >::Tensor flat_outer_dims()

TTypes< T, NDIMS >::ConstTensor flat_outer_dims() const 

TTypes< T >::Matrix matrix()

TTypes< T >::ConstMatrix matrix() const 

Tensor & operator=(
  const Tensor & other
)

Tensor & operator=(
  Tensor && other
)

TTypes< T, NDIMS >::Tensor reinterpret_last_dimension()

TTypes< T, NDIMS >::ConstTensor reinterpret_last_dimension() const 

TTypes< T >::Scalar scalar()

TTypes< T >::ConstScalar scalar() const 

const TensorShape & shape() const 

TTypes< T, NDIMS >::Tensor shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::ConstTensor shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T, NDIMS >::Tensor tensor()

TTypes< T, NDIMS >::ConstTensor tensor() const 

StringPiece tensor_data() const 

TTypes< T >::UnalignedFlat unaligned_flat()

TTypes< T >::UnalignedConstFlat unaligned_flat() const 

TTypes< T, NDIMS >::UnalignedTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
)

TTypes< T, NDIMS >::UnalignedConstTensor unaligned_shaped(
  gtl::ArraySlice< int64 > new_sizes
) const 

TTypes< T >::Vec vec()