tensör akışı:: Tensör

Bu tensörü 1. boyut boyunca dilimleyin.

Yani, döndürülen tensör, döndürülen[i, ...] == this[dim0_start + i, ...] koşullarını karşılar. Geri dönen tensör, temeldeki tensör tamponunu bu tensörle paylaşır.

NOT: Geri dönen tensör, şekle bağlı olarak bu tensörle aynı hizalama gereksinimini karşılamayabilir. Arayanın, hizalama gereksinimi olan belirli yöntemleri (örneğin, flat() , tensor() ) çağırmadan önce döndürülen tensörün hizalamasını kontrol etmesi gerekir.

NOT: N boyutlu bir tensörle beslendiğinde bu yöntem, N boyutlu bir tensör de döndürür. Bir alt tensör seçmek istiyorsanız bkz. Alt Dilim.

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

Bu tensörden 1. boyut boyunca bir alt dilim seçin.

N boyutlu bir tensörle beslendiğinde bu yöntem, N-1 boyutlu bir tensör döndürür; burada döndürülen tensör, birinci boyut boyunca giriş tensörünün bir alt dilimidir. Döndürülen tensörün N-1 boyutları, giriş tensörünün son N-1 boyutlarıdır.

NOT: Geri dönen tensör, şekle bağlı olarak bu tensörle aynı hizalama gereksinimini karşılamayabilir. Arayanın, hizalama gereksinimi olan belirli yöntemleri (örneğin, flat() , tensor() ) çağırmadan önce döndürülen tensörün hizalamasını kontrol etmesi gerekir.

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

*this içindeki ilk max_entries değerlerini bir dizeye dönüştürün.

1 boyutlu, 0 elemanlı bir kayan nokta tensörü oluşturur.

Döndürülen Tensör bir skaler değildir (şekil {}), bunun yerine boş bir tek boyutlu Tensördür (şekil {0}, NumElements() == 0). Hiçbir öğesi olmadığından bir değer atanmasına gerek yoktur ve varsayılan olarak başlatılır ( IsInitialized() doğrudur). Bu istenmiyorsa, başlatma gerektirmeyen tek öğeli bir skaler oluşturmayı düşünün:

Tensor(DT_FLOAT, TensorShape({}))

Verilen type ve shape bir Tensör oluşturur.

LogMemory::IsEnabled() ise ayırma, bilinmeyen bir çekirdekten ve adımdan geliyormuş gibi günlüğe kaydedilir. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

Temel arabellek CPUAllocator kullanılarak tahsis edilir.

Temel arabelleği tahsis etmek için ayırıcı a kullanarak giriş type ve shape ile bir tensör oluşturur.

LogMemory::IsEnabled() ise ayırma, bilinmeyen bir çekirdekten ve adımdan geliyormuş gibi günlüğe kaydedilir. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

a bu Tensörün ömründen daha uzun süre dayanmalıdır.

Temel arabelleği tahsis etmek için ayırıcı a ve belirtilen "allocation_attr" değerini kullanarak giriş type ve shape ile bir tensör oluşturur.

Çekirdek ve adım biliniyorsa, tahsis_attr.allocation_will_be_logged true olarak ayarlanmalı ve tensör oluşturulduktan sonra LogMemory::RecordTensorAllocation çağrılmalıdır. Tensor yapıcısının doğrudan bir Op içinden çağrılması artık kullanımdan kaldırıldı: çekirdeği ve adımı kaydeden yeni bir tensör tahsis etmek için OpKernelConstruction/OpKernelContext allocate_* yöntemlerini kullanın.

a bu Tensörün ömründen daha uzun süre dayanmalıdır.

Giriş veri türü, şekli ve tamponu ile bir tensör oluşturur.

Bu Tensor'a ait olan buf üzerinde bir ref alır.

Verilen veri türünde boş bir Tensör oluşturur.

Tensor() gibi, IsInitialized() işlevi True değerini döndüren 1 boyutlu, 0 öğeli bir Tensör döndürür. Ayrıntılar için Tensor() belgelerine bakın.

Tensör

 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()