تدفق التوتر:: الموتر

قم بتقطيع هذا الموتر على طول البعد الأول.

أي أن الموتر الذي تم إرجاعه يفي بإرجاع[i, ...] == this[dim0_start + i, ...]. يشارك الموتر الذي تم إرجاعه المخزن المؤقت للموتر الأساسي مع هذا الموتر.

ملحوظة: قد لا يفي الموتر الذي تم إرجاعه بنفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المتصل التحقق من محاذاة الموتر الذي تم إرجاعه قبل استدعاء طرق معينة تتطلب محاذاة (على سبيل المثال، flat() tensor() ).

ملاحظة: عند تغذيتها بموتر ذو أبعاد N، تقوم هذه الطريقة بإرجاع موتر أيضًا بأبعاد N. إذا كنت تريد تحديد موتر فرعي، راجع SubSlice.

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

حدد شريحة فرعية من هذا الموتر على طول البعد الأول.

عند تغذيتها بموتر ذو أبعاد N، تقوم هذه الطريقة بإرجاع موتر بأبعاد N-1، حيث يكون الموتر المرتجع شريحة فرعية من موتر الإدخال على طول البعد الأول. أبعاد N-1 للموتر الذي تم إرجاعه هي أبعاد N-1 الأخيرة لموتر الإدخال.

ملحوظة: قد لا يفي الموتر الذي تم إرجاعه بنفس متطلبات المحاذاة مثل هذا الموتر اعتمادًا على الشكل. يجب على المتصل التحقق من محاذاة الموتر الذي تم إرجاعه قبل استدعاء طرق معينة تتطلب محاذاة (على سبيل المثال، flat() tensor() ).

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

اعرض قيم max_entries الأولى في *this في سلسلة.

ينشئ موترًا عائمًا أحادي البعد مكونًا من 0 عنصر.

Tensor الذي تم إرجاعه ليس عدديًا (الشكل {})، ولكنه بدلاً من ذلك موتر فارغ أحادي البعد (الشكل {0}، NumElements() == 0). نظرًا لأنه لا يحتوي على عناصر، فلا يحتاج إلى تعيين قيمة له ويتم تهيئته افتراضيًا ( IsInitialized() صحيح). إذا كان هذا غير مرغوب فيه، فكر في إنشاء عددية مكونة من عنصر واحد والتي تتطلب التهيئة:

Tensor(DT_FLOAT, TensorShape({}))

ينشئ موترًا من type shape المحددين.

إذا تم تسجيل التخصيص LogMemory::IsEnabled() على أنه قادم من نواة وخطوة غير معروفين. تم إهمال استدعاء منشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction/OpKernelContext allocate_* لتخصيص موتر جديد يسجل النواة والخطوة.

يتم تخصيص المخزن المؤقت الأساسي باستخدام CPUAllocator .

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

إذا تم تسجيل التخصيص LogMemory::IsEnabled() على أنه قادم من نواة وخطوة غير معروفين. تم إهمال استدعاء منشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction/OpKernelContext allocate_* لتخصيص موتر جديد يسجل النواة والخطوة.

a أن يعيش أطول من عمر هذا Tensor .

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

إذا كانت النواة والخطوة معروفتين، فيجب ضبط المخصص_attr.allocation_will_be_logged على القيمة true ويجب استدعاء LogMemory::RecordTensorAllocation بعد إنشاء الموتر. تم إهمال استدعاء منشئ Tensor مباشرة من داخل Op: استخدم أساليب OpKernelConstruction/OpKernelContext allocate_* لتخصيص موتر جديد يسجل النواة والخطوة.

a أن يعيش أطول من عمر هذا Tensor .

ينشئ موترًا باستخدام نوع بيانات الإدخال والشكل وbuf.

يكتسب مرجعًا على buf ينتمي إلى Tensor هذا.

ينشئ Tensor فارغًا لنوع البيانات المحدد.

مثل Tensor() ‎، تُرجع Tensor أحادي البعد و0 عنصر مع IsInitialized() ‎ الذي يُرجع True. راجع وثائق Tensor() للحصول على التفاصيل.

الموتر

 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()

  
    typedef float T;
    Tensor my_mat(...built with Shape{rows: 3, cols: 5}...);
    auto mat = my_mat.matrix();    // 2D Eigen::Tensor, 3 x 5.
    auto mat = my_mat.tensor(); // 2D Eigen::Tensor, 3 x 5.
    auto vec = my_mat.vec();       // CHECK fails as my_mat is 2D.
    auto vec = my_mat.tensor(); // CHECK fails as my_mat is 2D.
    auto mat = my_mat.matrix();// CHECK fails as type mismatch.

TTypes< T >::ConstVec vec() const 

 ~Tensor()