Fournit des points de personnalisation pour les algorithmes MutableCollection .

Si elles étaient intégrées à la bibliothèque standard, ces exigences feraient simplement partie de MutableCollection . En attendant, vous pouvez déclarer la conformité d'une collection à MutableCollectionAlgorithms pour que ces points de personnalisation soient utilisés à partir d'autres algorithmes définis sur MutableCollectionAlgorithms .

Types dont les éléments peuvent être regroupés dans un élément de rang supérieur du même type (exemple : tenseurs, tuple de tenseurs)

Un type dont les propriétés et les éléments imbriqués peuvent être copiés dans un Device .

Type dont les valeurs fournissent des chemins de clé personnalisés vers des propriétés ou des éléments.

Un type de données scalaire compatible avec TensorFlow.

Les types conformes à TensorFlowScalar peuvent être utilisés comme type Scalar associé à Tensor .

Un type de données entier qui représente les types entiers qui peuvent être utilisés comme indices tensoriels dans TensorFlow.

Un type de données à virgule flottante conforme à Differentiable et compatible avec TensorFlow.

Type qui représente mathématiquement une variété différentiable dont les espaces tangents sont de dimension finie.

Un type avec des valeurs qui prennent en charge la multiplication ponctuelle.

Type qui représente un espace vectoriel non classé. Les valeurs de ce type sont des éléments de cet espace vectoriel et n'ont soit aucune forme, soit une forme statique.

Un type différenciable dans l'espace euclidien. Le type peut représenter un espace vectoriel ou être constitué d'un espace vectoriel et d'un autre composant non différenciable.

Mathématiquement, cela représente une variété de produits composée d'un espace vectoriel différentiable et d'une variété arbitraire, où le fibré tangent de l'ensemble de la variété de produits est égal à la composante de l'espace vectoriel.

Cette abstraction est utile pour représenter des structures de données différenciables communes qui contiennent à la fois des propriétés vectorielles différentiables et d'autres propriétés stockées qui n'ont pas de dérivée, par exemple

struct Perceptron: @memberwise EuclideanDifferentiable {
    var weight: SIMD16<Float>
    var bias: Float
    @noDerivative var useBias: Bool
}

Une couche de réseau neuronal.

Les types conformes à Layer représentent des fonctions qui mappent les entrées aux sorties. Ils peuvent avoir un état interne représenté par des paramètres, tels que des tenseurs de poids.

Les instances Layer définissent une méthode callAsFunction(_:) différentiable pour mapper les entrées aux sorties.

Une couche de réseau neuronal sans paramètre.

Le TangentVector des couches sans paramètre est toujours EmptyTangentVector .

Un type qui a des fonctions élémentaires disponibles.

Une « fonction élémentaire » est une fonction construite à partir des puissances, des racines, des exponentielles, des logarithmes, des fonctions trigonométriques (sin, cos, tan) et leurs inverses, et des fonctions hyperboliques (sinh, cosh, tanh) et leurs inverses.

La conformité à ce protocole signifie que tous ces blocs de construction sont disponibles en tant que fonctions statiques sur le type.

let x: Float = 1
let y = Float.sin(x) // 0.84147096

Type dont les propriétés et les éléments du tenseur à virgule flottante imbriqués peuvent être convertis d'une précision totale à une précision réduite et vice versa.

Un détail d'implémentation utilisé pour contourner le fait que Swift ne peut pas exprimer une contrainte générique selon laquelle un type doit être une instance de Sampling .

Un type qui peut être initialisé à partir d'une instance numpy.ndarray représentée sous la forme d'un PythonObject .

Un type compatible au niveau du bit avec un ou plusieurs types scalaires NumPy.

Un type dont les valeurs peuvent être converties en PythonObject .

Un type qui peut être initialisé à partir d'un PythonObject .

Type qui fournit des données pseudo-aléatoires déterministes amorceables.

Un SeedableRandomNumberGenerator peut être utilisé partout où un RandomNumberGenerator serait utilisé. Ceci est utile lorsque les données pseudo-aléatoires doivent être reproductibles d’une exécution à l’autre.

Conforme au protocole SeedableRandomNumberGenerator

Pour rendre un type personnalisé conforme au protocole SeedableRandomNumberGenerator , implémentez l'initialiseur init(seed: [UInt8]) , ainsi que les exigences de RandomNumberGenerator . Les valeurs renvoyées par next() doivent former une séquence déterministe qui dépend uniquement de la graine fournie lors de l'initialisation.

Une cellule de couche récurrente.

Un type avec des valeurs qui prennent en charge les opérations binaires différenciables.

Utilisé par BidirectionalRecurrentLayer comme exigence générique pour les fonctions de fusion.

Protocole spécial pour appeler des opérations Tensorflow qui prennent des tableaux hétérogènes en entrée.

Protocole représentant les types qui peuvent être mappés à Array<CTensorHandle> .

Ce protocole est défini séparément de TensorGroup afin que le nombre de tenseurs soit déterminé au moment de l'exécution. Par exemple, [Tensor<Float>] peut avoir un nombre inconnu d'éléments au moment de la compilation.

Ce protocole peut être dérivé automatiquement pour les structures dont les propriétés stockées sont toutes conformes au protocole TensorGroup . Il ne peut pas être dérivé automatiquement pour les structures dont les propriétés sont toutes conformes à TensorArrayProtocol en raison des exigences du constructeur (c'est-à-dire que dans de tels cas, il serait impossible de savoir comment répartir count entre les propriétés stockées).

Protocole représentant les types qui peuvent être mappés vers et depuis Array<CTensorHandle> .

Lorsqu'un TensorGroup est utilisé comme argument dans une opération tensorielle, il est transmis sous forme de liste d'arguments dont les éléments sont les champs tensoriels du type.

Lorsqu'un TensorGroup est renvoyé à la suite d'une opération tensorielle, il est initialisé avec ses champs tensoriels définis sur les résultats tensoriels de l'opération tensorielle.

Un type de données pris en charge dans x10.