টেনসরফ্লো :: টেনসর

এই টেনসরটি 1ম মাত্রা বরাবর স্লাইস করুন।

অর্থাৎ, প্রত্যাবর্তিত টেনসর সন্তুষ্টি ফিরে এসেছে[i, ...] == this[dim0_start + i, ...]। ফিরে আসা টেনসর এই টেনসরের সাথে অন্তর্নিহিত টেনসর বাফার ভাগ করে।

দ্রষ্টব্য: প্রত্যাবর্তিত টেনসর আকৃতির উপর নির্ভর করে এই টেনসরের মতো একই প্রান্তিককরণের প্রয়োজনীয়তা পূরণ করতে পারে না। কলারকে অবশ্যই নির্দিষ্ট পদ্ধতিতে কল করার আগে রিটার্ন করা টেনসরের সারিবদ্ধতা পরীক্ষা করতে হবে (যেমন, flat() , tensor() )।

দ্রষ্টব্য: যখন একটি N-মাত্রিক টেনসর দিয়ে খাওয়ানো হয়, এই পদ্ধতিটি N মাত্রা সহ একটি টেনসর প্রদান করে। আপনি যদি একটি সাব টেনসর নির্বাচন করতে চান তবে সাবস্লাইস দেখুন।

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

1ম মাত্রা বরাবর এই টেনসর থেকে একটি সাবস্লাইস নির্বাচন করুন।

যখন একটি N-মাত্রিক টেনসর দিয়ে খাওয়ানো হয়, এই পদ্ধতিটি N-1 মাত্রা সহ একটি টেনসর প্রদান করে, যেখানে প্রত্যাবর্তিত টেনসরটি প্রথম মাত্রা বরাবর ইনপুট টেনসরের একটি সাবস্লাইস। ফিরে আসা টেনসরের N-1 মাত্রাগুলি হল ইনপুট টেনসরের শেষ N-1 মাত্রা।

দ্রষ্টব্য: প্রত্যাবর্তিত টেনসর আকৃতির উপর নির্ভর করে এই টেনসরের মতো একই প্রান্তিককরণের প্রয়োজনীয়তা পূরণ করতে পারে না। কলারকে অবশ্যই নির্দিষ্ট পদ্ধতিতে কল করার আগে রিটার্ন করা টেনসরের সারিবদ্ধতা পরীক্ষা করতে হবে (যেমন, flat() , tensor() )।

প্রয়োজন: dims() >= 1 প্রয়োজন: 0 <= index < dim_size(0)

*this প্রথম max_entries মানগুলিকে একটি স্ট্রিংয়ে রেন্ডার করুন।

একটি 1-মাত্রিক, 0-উপাদান ফ্লোট টেনসর তৈরি করে।

প্রত্যাবর্তিত টেনসরটি একটি স্কেলার (আকৃতি {}) নয়, বরং এটি একটি খালি এক-মাত্রিক টেনসর (আকৃতি {0}, NumElements() == 0)। যেহেতু এটিতে কোন উপাদান নেই, এটিকে একটি মান নির্ধারণ করার প্রয়োজন নেই এবং এটি ডিফল্টরূপে আরম্ভ করা হয় ( IsInitialized() সত্য)। যদি এটি অবাঞ্ছিত হয়, একটি এক-উপাদান স্কেলার তৈরি করার কথা বিবেচনা করুন যার জন্য আরম্ভ করার প্রয়োজন হয়:

Tensor(DT_FLOAT, TensorShape({}))

প্রদত্ত type এবং shape একটি টেনসর তৈরি করে।

LogMemory::IsEnabled() হলে বরাদ্দ একটি অজানা কার্নেল এবং ধাপ থেকে আসা হিসাবে লগ করা হয়। একটি অপের মধ্যে থেকে সরাসরি টেনসর কনস্ট্রাক্টরকে কল করা অবহেলিত: একটি নতুন টেনসর বরাদ্দ করতে OpKernelConstruction/OpKernelContext বরাদ্দ_* পদ্ধতি ব্যবহার করুন, যা কার্নেল এবং পদক্ষেপ রেকর্ড করে।

অন্তর্নিহিত বাফার একটি CPUAllocator ব্যবহার করে বরাদ্দ করা হয়।

অন্তর্নিহিত বাফার বরাদ্দ করতে বরাদ্দকারী a ব্যবহার করে ইনপুট type এবং shape সহ একটি টেনসর তৈরি করে।

LogMemory::IsEnabled() হলে বরাদ্দ একটি অজানা কার্নেল এবং ধাপ থেকে আসা হিসাবে লগ করা হয়। একটি অপের মধ্যে থেকে সরাসরি টেনসর কনস্ট্রাক্টরকে কল করা অবহেলিত: একটি নতুন টেনসর বরাদ্দ করতে OpKernelConstruction/OpKernelContext বরাদ্দ_* পদ্ধতি ব্যবহার করুন, যা কার্নেল এবং পদক্ষেপ রেকর্ড করে।

a এই টেনসরের জীবনকাল অতিক্রম করতে হবে।

অন্তর্নিহিত বাফার বরাদ্দ করার জন্য বরাদ্দকারী a এবং নির্দিষ্ট "allocation_attr" ব্যবহার করে ইনপুট type এবং shape সহ একটি টেনসর তৈরি করে।

যদি কার্নেল এবং ধাপটি জানা থাকে তাহলে allocation_attr.allocation_will_be_logged সত্যে সেট করা উচিত এবং LogMemory::RecordTensorAllocation টেনসর তৈরি হওয়ার পরে কল করা উচিত। একটি অপের মধ্যে থেকে সরাসরি টেনসর কনস্ট্রাক্টরকে কল করা অবহেলিত: একটি নতুন টেনসর বরাদ্দ করতে OpKernelConstruction/OpKernelContext বরাদ্দ_* পদ্ধতি ব্যবহার করুন, যা কার্নেল এবং পদক্ষেপ রেকর্ড করে।

a এই টেনসরের জীবনকাল অতিক্রম করতে হবে।

ইনপুট ডেটাটাইপ, আকৃতি এবং বুফ সহ একটি টেনসর তৈরি করে।

এই টেনসরের অন্তর্গত buf-এ একটি রেফ অর্জন করে।

প্রদত্ত ডেটা টাইপের একটি খালি টেনসর তৈরি করে।

Tensor() এর মত, একটি 1-মাত্রিক, 0-এলিমেন্ট টেনসর প্রদান করে যার সাথে IsInitialized() রিটার্ন করে True। বিস্তারিত জানার জন্য Tensor() ডকুমেন্টেশন দেখুন।

টেনসর

 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
)

 Tensor(
  T *t
)=delete

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 

void * data() 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()