тензорный поток:: Тензор

Разрежьте этот тензор по первому измерению.

Т.е. возвращенный тензор удовлетворяет условиям return[i, ...] == this[dim0_start + i, ...]. Возвращенный тензор разделяет базовый тензорный буфер с этим тензором.

ПРИМЕЧАНИЕ. Возвращенный тензор может не удовлетворять тем же требованиям выравнивания, что и этот тензор, в зависимости от формы. Вызывающая сторона должна проверить выравнивание возвращаемого тензора перед вызовом определенных методов, требующих выравнивания (например, flat() , tensor() ).

ПРИМЕЧАНИЕ. При подаче N-мерного тензора этот метод возвращает тензор также с N измерениями. Если вы хотите выбрать субтензор, см. SubSlice.

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

Выберите подсрез этого тензора по первому измерению.

При подаче N-мерного тензора этот метод возвращает тензор с размерностями N-1, где возвращаемый тензор является подсрезом входного тензора по первому измерению. Размерности N-1 возвращаемого тензора являются последними размерностями N-1 входного тензора.

ПРИМЕЧАНИЕ. Возвращенный тензор может не удовлетворять тем же требованиям выравнивания, что и этот тензор, в зависимости от формы. Вызывающая сторона должна проверить выравнивание возвращаемого тензора перед вызовом определенных методов, требующих выравнивания (например, flat() , tensor() ).

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

Преобразуйте первые значения max_entries в *this в строку.

Создает одномерный 0-элементный тензор с плавающей запятой.

Возвращаемый тензор не является скаляром (форма {}), а представляет собой пустой одномерный тензор (форма {0}, NumElements() == 0). Поскольку у него нет элементов, ему не нужно присваивать значение, и он инициализируется по умолчанию ( IsInitialized() имеет значение true). Если это нежелательно, рассмотрите возможность создания одноэлементного скаляра, который требует инициализации:

Tensor(DT_FLOAT, TensorShape({}))

Создает тензор заданного type и shape .

Если LogMemory::IsEnabled(), выделение регистрируется как исходящее из неизвестного ядра и шага. Вызов конструктора Tensor непосредственно из Op устарел: используйте методы OpKernelConstruction/OpKernelContext allocate_*, чтобы выделить новый тензор, который записывает ядро ​​и шаг.

Базовый буфер выделяется с помощью CPUAllocator .

Создает тензор с входным type и shape , используя распределитель a для выделения базового буфера.

Если LogMemory::IsEnabled(), выделение регистрируется как исходящее из неизвестного ядра и шага. Вызов конструктора Tensor непосредственно из Op устарел: используйте методы OpKernelConstruction/OpKernelContext allocate_*, чтобы выделить новый тензор, который записывает ядро ​​и шаг.

a должен пережить время жизни этого Tensor .

Создает тензор с входным type и shape , используя распределитель a и указанный "allocation_attr" для выделения базового буфера.

Если ядро ​​и шаг известны, для параметраlocation_attr.allocation_will_be_logged должно быть установлено значение true, а LogMemory::RecordTensorAlllocation следует вызывать после создания тензора. Вызов конструктора Tensor непосредственно из Op устарел: используйте методы OpKernelConstruction/OpKernelContext allocate_*, чтобы выделить новый тензор, который записывает ядро ​​и шаг.

a должен пережить время жизни этого Tensor .

Создает тензор с входным типом данных, формой и буфером.

Получает ссылку на buf, принадлежащую этому Tensor .

Создает пустой тензор заданного типа данных.

Как и Tensor() , возвращает одномерный 0-элементный Tensor , а IsInitialized() возвращает True. Подробности смотрите в документации Tensor() .

Тензор

 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()