tensorflow :: Tensore

Taglia questo tensore lungo la prima dimensione.

Cioè, il tensore restituito soddisfa [i, ...] == questo [dim0_start + i, ...] restituito. Il tensore restituito condivide il buffer tensore sottostante con questo tensore.

NOTA: il tensore restituito potrebbe non soddisfare lo stesso requisito di allineamento di questo tensore a seconda della forma. Il chiamante deve controllare l'allineamento del tensore restituito prima di chiamare alcuni metodi che hanno requisiti di allineamento (ad esempio, flat() , tensor() ).

NOTA: quando alimentato con un tensore N-dimensionale, questo metodo restituisce un tensore anche con N dimensioni. Se vuoi selezionare un sottotensore, vedi SubSlice.

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

Seleziona una sottosezione da questo tensore lungo la prima dimensione.

Quando alimentato con un tensore N-dimensionale, questo metodo restituisce un tensore con dimensioni N-1, dove il tensore restituito è una sottosezione del tensore di input lungo la prima dimensione. Le dimensioni N-1 del tensore restituito sono le ultime dimensioni N-1 del tensore di input.

NOTA: il tensore restituito potrebbe non soddisfare lo stesso requisito di allineamento di questo tensore a seconda della forma. Il chiamante deve controllare l'allineamento del tensore restituito prima di chiamare alcuni metodi che hanno requisiti di allineamento (ad esempio, flat() , tensor() ).

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

max_entries i primi valori max_entries in *this in una stringa.

Crea un tensore a virgola mobile unidimensionale a 0 elementi.

Il tensore restituito non è uno scalare (forma {}), ma è invece un tensore unidimensionale vuoto (forma {0}, NumElements () == 0). Poiché non ha elementi, non è necessario assegnargli un valore ed è inizializzato per impostazione predefinita ( IsInitialized () è true). Se ciò non è desiderabile, considera la creazione di uno scalare a un elemento che richiede l'inizializzazione:

Tensor(DT_FLOAT, TensorShape({}))

Crea un tensore del type e della shape .

Se LogMemory :: IsEnabled (), l'allocazione viene registrata come proveniente da un kernel e un passaggio sconosciuti. Chiamare il costruttore Tensor direttamente dall'interno di un Op è deprecato: usa i metodi OpKernelConstruction / OpKernelContext allocate_ * per allocare un nuovo tensore, che registra il kernel e il passo.

Il buffer sottostante viene allocato utilizzando un CPUAllocator .

Crea un tensore con il type e la shape input, utilizzando l'allocatore a per allocare il buffer sottostante.

Se LogMemory :: IsEnabled (), l'allocazione viene registrata come proveniente da un kernel e un passaggio sconosciuti. Chiamare il costruttore Tensor direttamente dall'interno di un Op è deprecato: usa i metodi OpKernelConstruction / OpKernelContext allocate_ * per allocare un nuovo tensore, che registra il kernel e il passo.

a must per sopravvivere alla vita di questo tensore .

Crea un tensore con il type e la shape input, utilizzando l'allocatore a e "allocation_attr" specificato per allocare il buffer sottostante.

Se il kernel e il passaggio sono noti, allocation_attr.allocation_will_be_logged dovrebbe essere impostato su true e LogMemory :: RecordTensorAllocation dovrebbe essere chiamato dopo che il tensore è stato costruito. Chiamare il costruttore Tensor direttamente dall'interno di un Op è deprecato: usa i metodi OpKernelConstruction / OpKernelContext allocate_ * per allocare un nuovo tensore, che registra il kernel e il passo.

a must per sopravvivere alla vita di questo tensore .

Crea un tensore con il tipo di dati di input, la forma e il buf.

Acquisisce un riferimento su buf che appartiene a questo tensore .

Crea un tensore vuoto del tipo di dati specificato.

Come Tensor () , restituisce un Tensore a 0 elementi unidimensionale con IsInitialized () che restituisce True. Vedere la documentazione di Tensor () per i dettagli.

Tensore

 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()