Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Het pakket System.Numerics.Tensors biedt Tensor<T>, TensorSpan<T>en ReadOnlyTensorSpan<T> voor multidimensionale gegevens. Tensor-shapes beschrijven de logische dimensies; strides beschrijven de afstand, in elementen, tussen opeenvolgende posities langs elke dimensie.
Het gedrag dat hier wordt beschreven, is opgenomen in het pakket voor de ondersteunde doelframeworks. Het bijwerken van het pakket kan van invloed zijn op apps die zijn gericht op eerdere .NET versies.
Deze typen delen veel conventies met NumPy, maar ze zijn niet uitwisselbaar. Houd rekening met de volgende verschillen wanneer u een algoritme overzet.
Lege shapes en scalar-achtige resultaten
Wanneer u een tensor maakt op basis van een lege shape ([]) zonder onderliggende gegevens, heeft de tensor vorm [0] en geen elementen. In NumPy heeft shape () rang nul en bevat één scalaire element. In het bijzonder wijst np.empty(()) een scalaire waarde met een niet-geïnitialiseerde waarde toe; 'leeg' betekent niet dat het geen elementen bevat.
Als u daarentegen de lengtes van een tensor-span constructor over bestaande gegevens weglaat, wordt door de constructor een eendimensionale vorm afgeleid van de opgegeven array of span.
Wanneer u een tensor met vorm [1, 1]knijpt, heeft het resultaat vorm [1], niet de rang-nul-vorm ()van NumPy. Beide resultaten bevatten één element en kunnen als een scalaire waarde broadcasten, maar code die de rang controleert, assen selecteert of het resultaat indexeert, moet rekening houden met de behouden dimensie.
Wanneer de strides worden weggelaten, heeft elke shape die een dimensie met lengte nul bevat nul strides in elke dimensie. Het aantal elementen en de vereiste opslag zijn nul, ongeacht de andere dimensielengten. Negatieve lengten blijven ongeldig. Expliciete strides moeten nog steeds voldoen aan de indelingsvalidatie.
Strides en omgekeerde gegevens
De strides moeten niet-negatief zijn. NumPy kan een omgekeerde weergave vertegenwoordigen met een negatieve stride, bijvoorbeeld array[::-1].
Als u de eerste as wilt omkeren, roept u Tensor.ReverseDimension aan met dimensie 0:
using System.Numerics.Tensors;
Tensor<int> source = Tensor.Create(new[] { 1, 2, 3, 4 }, new nint[] { 2, 2 });
Tensor<int> reversed = Tensor.ReverseDimension<int>(source.AsReadOnlyTensorSpan(), 0);
De logische elementen van reversed zijn [3, 4, 1, 2]. De overload die toewijst produceert een nieuwe tensor; het is geen view met negatieve stride over de oorspronkelijke onderliggende opslag.
De grootte van een tensor wijzigen
Tensor.Resize en Tensor.ResizeTo vullen toegevoegde logische elementen met default(T). Als u [1, 2] bijvoorbeeld vergroot tot vijf int elementen, bevat het resultaat [1, 2, 0, 0, 0]. NumPy's np.resize herhaalt in plaats daarvan de invoer en produceert [1, 2, 1, 2, 1].
Als de bestemming kleiner is, laat de bewerking elementen na het aantal logische elementen van de bestemming vallen. Als deze groter is, initialiseert de bewerking de resterende logische doelelementen, zelfs wanneer de bestemming hiaten tussen elementen bevat. Opslag buiten de logische bestemming maakt geen deel uit van de bewerking voor het wijzigen van het formaat.
Tensor.ResizeTo en samenvoeging in een bestaande bestemming weigeren een dimensie met nul-stride die meer dan één logisch element bevat. Een dergelijke dimensie zorgt ervoor dat meerdere uitvoerposities verwijzen naar dezelfde opslaglocatie en geen afzonderlijke uitvoerwaarden kunnen bevatten. Strides van nul in singletondimensies en lege bestemmingen maken dit conflict niet.
Overlappende bronnen en bestemmingen
Afzonderlijke tensor-objecten en spans kunnen verwijzen naar overlappende gebieden van dezelfde array. Ondersteunde gevallen zijn afhankelijk van zowel de bewerking als de indeling:
| Bewerking | Ondersteunde overlap |
|---|---|
CopyTo en TryCopyTo |
Dichte bron en bestemming met gelijke aantal elementen of exact identieke weergaven. Dense copies maken gebruik van overlappingsveilige kopieerbewerkingen. |
FlattenTo en TryFlattenTo |
Een compacte bron en het doelbereik. |
| Elementengewijze bewerkingen met een bestemming | Een invoer en uitvoer met dezelfde beginreferentie, lengten en stappen, mits de weergave geen herhaalde logische opslaglocaties heeft. Elke invoer wordt onafhankelijk gecontroleerd. |
Tensor.ResizeTo |
Volledige bron en bestemming. Niet-ondersteunde strided overlap wordt afgewezen. |
| Omkering in dezelfde weergave | Een dichte weergave kan in-place worden omgekeerd. No-op-reversals worden ook ondersteund. |
Andere niet-ondersteunde overlappende indelingen werpen ArgumentException op voordat de bewerking uitvoer wegschrijft. Een dichte tensor alleen garandeert geen ondersteuning voor elke bewerking: een verschoven dichte bestemming wordt bijvoorbeeld ondersteund voor een kopie, maar niet voor een elementgewijze bewerking.
De methoden TryCopyTo en TryFlattenTo retourneren false zonder te kopiëren wanneer de bestemming te kort is.
TryCopyTo geeft ook false terug voor incompatibele bron- en doelvormen. Voor compatibele shapes met voldoende doelcapaciteit kunnen deze methoden nog steeds een uitzondering genereren bij niet-ondersteunde overlapping; Try onderdrukt geen uitzonderingen met een ongeldige indeling.
De volgende gestridede bronbuffer en dichte doelbuffer overlappen bijvoorbeeld:
int[] storage = { 1, 2, 3, 4, 5, 6 };
ReadOnlyTensorSpan<int> source = new(storage, new nint[] { 2, 2 }, new nint[] { 3, 1 });
TensorSpan<int> destination = new(storage, new nint[] { 2, 2 });
Om vanuit deze niet-ondersteunde overlappende indeling te kopiëren, maakt u eerst een momentopname in onafhankelijke opslag:
int[] snapshot = new int[checked((int)source.FlattenedLength)];
source.FlattenTo(snapshot);
ReadOnlyTensorSpan<int> independentSource = new(snapshot, source.Lengths);
independentSource.CopyTo(destination);
De momentopname bevat [1, 2, 4, 5]. De kopie schrijft deze elementen naar het doel zonder de oorspronkelijke waarden te wijzigen voordat ze worden gelezen.
Wijs voor een elementgewijze bewerking met bestemmingsargument een afzonderlijke resultaattensor of momentopname toe aan elke overlappende invoer voordat u de uitvoer schrijft. Voor een broadcast-bestemming met herhaalde opslaglocaties gebruikt u in plaats daarvan onafhankelijke uitvoeropslag; een momentopname van invoer zorgt er niet voor dat die bestemming afzonderlijke waarden kan bevatten.
De bibliotheek wijst geen full-tensor-momentopname impliciet toe om willekeurige overlappende indelingen te ondersteunen. Niet-overlappende gestridede kopieën vereisen die tijdelijke opslag niet.