جریان تنسور:: عملیات:: بیت کست

یک تانسور را از یک نوع به نوع دیگر بدون کپی کردن داده ارسال می کند.

خلاصه

با توجه به input تانسور، این عملیات تانسوری را برمی‌گرداند که داده‌های بافری مشابه input با type داده دارد.

اگر نوع داده ورودی T بزرگتر از type داده خروجی باشد، شکل از [...] به [..., sizeof( T )/sizeof( type )] تغییر می کند.

اگر T کوچکتر از type باشد، عملگر می خواهد که سمت راست ترین بعد برابر با sizeof( type )/sizeof( T ) باشد. سپس شکل از [..., sizeof( type )/sizeof( T )] به [...] می رود.

زمانی که dtype واقعی به عنوان یک dtype پیچیده (مثلا tf.complex64 یا tf.complex128) ریخته می شود، tf.bitcast () و tf.cast () متفاوت عمل می کنند، زیرا tf.cast() قسمت خیالی 0 را می سازد در حالی که tf.bitcast() ماژول را می دهد. خطا به عنوان مثال،

مثال 1:

>>> a = [1., 2., 3.]
>>> equality_bitcast = tf.bitcast(a,tf.complex128)
tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot bitcast from float to complex128: shape [3] [Op:Bitcast]
>>> equality_cast = tf.cast(a,tf.complex128)
>>> print(equality_cast)
tf.Tensor([1.+0.j 2.+0.j 3.+0.j], shape=(3,), dtype=complex128)

>>> tf.bitcast(tf.constant(0xffffffff, dtype=tf.uint32), tf.uint8)
<tf.Tensor: ... shape=(4,), dtype=uint8, numpy=array([255, 255, 255, 255], dtype=uint8)>

>>> x = [1., 2., 3.]
>>> y = [0., 2., 3.]
>>> equality= tf.equal(x,y)
>>> equality_cast = tf.cast(equality,tf.float32)
>>> equality_bitcast = tf.bitcast(equality_cast,tf.uint8)
>>> print(equality)
tf.Tensor([False True True], shape=(3,), dtype=bool)
>>> print(equality_cast)
tf.Tensor([0. 1. 1.], shape=(3,), dtype=float32)
>>> print(equality_bitcast)
tf.Tensor(
[[ 0 0 0 0]
 [ 0 0 128 63]
 [ 0 0 128 63]], shape=(3, 4), dtype=uint8)

توجه : بیت‌کست به‌عنوان یک بازیگر سطح پایین پیاده‌سازی می‌شود، بنابراین ماشین‌هایی با سفارش‌های اندیان متفاوت نتایج متفاوتی خواهند داشت.

استدلال ها:

• scope: یک شی Scope

برمی گرداند:

• Output : تانسور خروجی.

صفات عمومی

Operation operation

::tensorflow::Output output

 Bitcast(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  DataType type
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const