संगत आकृति के लिए एक सारणी प्रसारित करें।
प्रसारण अंकगणितीय परिचालनों के लिए संगत आकार बनाने की प्रक्रिया है। दो आकृतियाँ संगत होती हैं यदि प्रत्येक आयाम जोड़ी के लिए वे या तो बराबर हों या उनमें से एक एक हो। जब किसी टेन्सर को किसी आकार में प्रसारित करने का प्रयास किया जाता है, तो यह अनुगामी आयामों से शुरू होता है, और आगे की ओर काम करता है।
उदाहरण के लिए,
>>> x = tf.constant([1, 2, 3]) >>> y = tf.broadcast_to(x, [3, 3]) >>> प्रिंट(y) tf.Tensor( [[1 2 3 ] [1 2 3] [1 2 3]], आकार=(3, 3), dtype=int32)
उपरोक्त उदाहरण में, `[1, 3]` के आकार के साथ इनपुट टेन्सर को `[3, 3]` के आकार के साथ आउटपुट टेन्सर में प्रसारित किया जाता है।
किसी स्केलर द्वारा टेन्सर को गुणा करने जैसे प्रसारित संचालन करते समय, प्रसारण (आमतौर पर) कुछ समय या स्थान लाभ प्रदान करता है, क्योंकि प्रसारित टेन्सर कभी भी भौतिक नहीं होता है।
हालाँकि, `broadcast_to` अपने साथ ऐसा कोई लाभ नहीं लाता है। नव-निर्मित टेंसर प्रसारित आकार की पूरी मेमोरी लेता है। (ग्राफ़ संदर्भ में, `broadcast_to` को बाद के ऑपरेशन में जोड़ा जा सकता है और फिर इसे अनुकूलित किया जा सकता है।)
स्थिरांक
डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
आउटपुट <T> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
स्थिर <T, TType > ब्रॉडकास्टटू <T> का विस्तार करता है | |
आउटपुट <T> | आउटपुट () एक टेंसर. |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
सार्वजनिक तरीके
सार्वजनिक आउटपुट <T> asOutput ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के इनपुट किसी अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
सार्वजनिक स्थैतिक प्रसारण <T> बनाने के लिए ( स्कोप स्कोप, ऑपरेंड <T> इनपुट, ऑपरेंड <? TNumber > आकार बढ़ाता है)
एक नए ब्रॉडकास्टटू ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
दायरा | वर्तमान दायरा |
---|---|
इनपुट | प्रसारण के लिए एक टेंसर। |
आकार | एक 1-डी `इंट` टेंसर। वांछित आउटपुट का आकार. |
रिटर्न
- ब्रॉडकास्टटू का एक नया उदाहरण