aliran tensor:: Tensor

Iris tensor ini sepanjang dimensi pertama.

Yaitu, tensor yang dikembalikan memenuhi return[i, ...] == this[dim0_start + i, ...]. Tensor yang dikembalikan berbagi buffer tensor yang mendasarinya dengan tensor ini.

CATATAN: Tensor yang dikembalikan mungkin tidak memenuhi persyaratan penyelarasan yang sama dengan tensor ini, bergantung pada bentuknya. Pemanggil harus memeriksa penyelarasan tensor yang dikembalikan sebelum memanggil metode tertentu yang memiliki persyaratan penyelarasan (misalnya, flat() , tensor() ).

CATATAN: Saat diumpankan dengan tensor berdimensi N, metode ini akan mengembalikan tensor juga dengan dimensi N. Jika Anda ingin memilih sub tensor, lihat SubSlice.

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

Pilih subirisan dari tensor ini sepanjang dimensi pertama.

Saat diumpankan dengan tensor berdimensi N, metode ini akan mengembalikan tensor dengan dimensi N-1, dengan tensor yang dikembalikan adalah subbagian dari tensor masukan sepanjang dimensi pertama. Dimensi N-1 dari tensor yang dikembalikan adalah dimensi N-1 terakhir dari tensor masukan.

CATATAN: Tensor yang dikembalikan mungkin tidak memenuhi persyaratan penyelarasan yang sama dengan tensor ini, bergantung pada bentuknya. Pemanggil harus memeriksa penyelarasan tensor yang dikembalikan sebelum memanggil metode tertentu yang memiliki persyaratan penyelarasan (misalnya, flat() , tensor() ).

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

Render nilai max_entries pertama di *this menjadi sebuah string.

Membuat tensor float 1 dimensi dengan 0 elemen.

Tensor yang dikembalikan bukanlah skalar (bentuk {}), melainkan Tensor satu dimensi kosong (bentuk {0}, NumElements() == 0). Karena tidak memiliki elemen, maka tidak perlu diberi nilai dan diinisialisasi secara default ( IsInitialized() bernilai true). Jika hal ini tidak diinginkan, pertimbangkan untuk membuat skalar satu elemen yang memerlukan inisialisasi:

Tensor(DT_FLOAT, TensorShape({}))

Membuat Tensor dengan type dan shape tertentu.

Jika LogMemory::IsEnabled() alokasi dicatat berasal dari kernel dan langkah yang tidak diketahui. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

Buffer yang mendasarinya dialokasikan menggunakan CPUAllocator .

Membuat tensor dengan type dan shape masukan, menggunakan pengalokasi a untuk mengalokasikan buffer yang mendasarinya.

Jika LogMemory::IsEnabled() alokasi dicatat berasal dari kernel dan langkah yang tidak diketahui. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

a hidup lebih lama dari masa pakai Tensor ini.

Membuat tensor dengan type dan shape masukan, menggunakan pengalokasi a dan "allocation_attr" yang ditentukan untuk mengalokasikan buffer yang mendasarinya.

Jika kernel dan langkahnya diketahui, alokasi_attr.allocation_will_be_logged harus disetel ke true dan LogMemory::RecordTensorAllocation harus dipanggil setelah tensor dibuat. Memanggil konstruktor Tensor langsung dari dalam Op sudah tidak digunakan lagi: gunakan metode OpKernelConstruction/OpKernelContext mengalokasikan_* untuk mengalokasikan tensor baru, yang mencatat kernel dan langkah.

a hidup lebih lama dari masa pakai Tensor ini.

Membuat tensor dengan tipe data input, bentuk, dan buf.

Mengakuisisi referensi pada buf milik Tensor ini.

Membuat Tensor kosong dari tipe data tertentu.

Seperti Tensor() , mengembalikan Tensor 1 dimensi, 0 elemen dengan IsInitialized() mengembalikan True. Lihat dokumentasi Tensor() untuk mengetahui detailnya.

Tensor

 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()