tf.TensorArray

Класс, оборачивающий динамические, пошаговые, одноразовые массивы тензоров.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.TensorArray, `tf.compat.v2.TensorArray`

tf.TensorArray(
    dtype, size=None, dynamic_size=None, clear_after_read=None,
    tensor_array_name=None, handle=None, flow=None, infer_shape=True,
    element_shape=None, colocate_with_first_write_call=True, name=None
)

Этот класс предназначен для использования с динамическими итерационными примитивами, такими как while_loop и map_fn. Он поддерживает обратное распространение градиента с помощью специальных зависимостей управления потоком «flow».

Аргументы
`dtype`	(обязательно) тип данных массива тензоров.
`size`	(необязательно) скаляр int32 `Tensor`: размер массива тензоров. Требуется, если handle не предоставлен.
`dynamic_size`	(необязательно) булево значение Python: если True, записи в массив тензоров могут увеличивать его размер за пределы начального размера. По умолчанию: False.
`clear_after_read`	Булево (необязательно, по умолчанию: True). Если True, значения массива тензоров очищаются после их чтения. Это отключает семантику чтения многих значений, но позволяет раньше освободить память.
`tensor_array_name`	(необязательно) строка Python: имя массива тензоров. Используется при создании дескриптора массива тензоров. Если это значение задано, handle должен быть None.
`handle`	(необязательно) дескриптор `Tensor` существующего массива тензоров. Если это значение задано, tensor_array_name должно быть None. Поддерживается только в режиме графа.
`flow`	(необязательно) скаляр с плавающей точкой `Tensor`, полученный из существующего `TensorArray.flow`. Поддерживается только в режиме графа.
`infer_shape`	(необязательно, по умолчанию: True) Если True, включена проверка формы. В этом случае все элементы должны иметь одинаковую форму.
`element_shape`	(необязательно, по умолчанию: None) Объект `TensorShape`, определяющий ограничения формы каждого элемента массива тензоров. Необязательно полностью определять.
`colocate_with_first_write_call`	Если `True`, массив тензоров будет совмещен на одном устройстве с тензором, используемым при первой записи (операции записи включают `write`, `unstack`, и `split`). Если `False`, массив тензоров будет размещен на устройстве, определяемом контекстом устройства, доступным во время его инициализации.
`name`	Имя операции (необязательно).

Возбуждает
`ValueError`	если handle и tensor_array_name заданы одновременно.
`TypeError`	если handle указан, но не является тензором.

Атрибуты
`dtype`	Тип данных этого массива тензоров.
`dynamic_size`	Булево значение Python; если `True` массив тензоров может динамически увеличиваться.
`element_shape`	`tf.TensorShape` элементов в этом массиве тензоров.
`flow`	Поток `Tensor`, принуждающий операции, ведущие к этому состоянию массива тензоров.
`handle`	Ссылка на массив тензоров.

Методы

`close`

Просмотреть исходный код

close(
    name=None
)

Закрыть текущий массив тензоров.

Примечание: Результат этой функции должен быть использован. Если это не так, будет выведено предупреждение. Чтобы отметить результат как использованный, вызовите метод .mark_used().

`concat`

Просмотреть исходный код

concat(
    name=None
)

Возвращает значения в массиве тензоров как конкатенированный Tensor.

Все значения должны быть записаны, их ранги должны совпадать, а их формы должны совпадать для всех измерений, кроме первого.

Аргументы
`name`	Имя операции (необязательно).

Возвращает
Все тензоры в массиве тензоров, конкатенированные в один тензор.

`gather`

Просмотреть исходный код

gather(
    indices, name=None
)

Возвращает выбранные значения в массиве тензоров как упакованный Tensor.

Все выбранные значения должны быть записаны, и их формы должны совпадать.

Аргументы
`indices`	`1-D` `Tensor` принимающий значения в `[0, max_value)`. Если `TensorArray` не динамичен, `max_value=size()`.
`name`	Имя операции (необязательно).

Возвращает
Тензоры в массиве `TensorArray` выбранные по `indices`, упакованные в один тензор.

`grad`

Просмотреть исходный код

grad(
    source, flow=None, name=None
)

`identity`

Просмотреть исходный код

identity()

Возвращает массив тензоров с тем же содержимым и свойствами.

Возвращает
Новый объект массива тензоров с потоком, который гарантирует, что зависимости управления из контекстов станут зависимостями управления для записей, чтений и т. д. Используйте этот объект для всех последующих операций.

Возвращает

Новый объект массива тензоров с потоком, который гарантирует, что зависимости управления из контекстов станут зависимостями управления для записей, чтений и т. д. Используйте этот объект для всех последующих операций.

`read`

Просмотреть исходный код

read(
    index, name=None
)

Прочитать значение в позиции index в массиве тензоров.

Аргументы
`index`	0-D. int32 тензор с индексом для чтения.
`name`	Имя операции (необязательно).

Возвращает
Тензор по индексу `index`.

`scatter`

Просмотреть исходный код

scatter(
    indices, value, name=None
)

Разбросать значения Tensor по определенным индексам TensorArray.

Аргументы: индексы: 1-D Tensor принимающий значения в [0, max_value). Если TensorArray не динамичен, max_value=size(). значение: (N+1)-D. Тензор типа dtype. Тензор для распаковки. имя: имя операции (необязательно).

Возвращает: новый объект массива тензоров с потоком, гарантирующим выполнение разброса. Используйте этот объект для всех последующих операций.

Возбуждает: ValueError: если проверка формы завершается неудачно.

Примечание: Результат этой функции должен быть использован. Если это не так, будет выведено предупреждение. Чтобы отметить результат как использованный, вызовите метод .mark_used().

`size`

Просмотреть исходный код

size(
    name=None
)

Возвращает размер массива тензоров.

`split`

Просмотреть исходный код

split(
    value, lengths, name=None
)

Разделить значения Tensor в массив тензоров.

Аргументы: значение: (N+1)-D. Тензор типа dtype. Тензор для разделения. длины: 1-D. Вектор int32 с длинами, используемыми при разделении value по первому измерению. имя: имя операции (необязательно).

Возвращает: новый объект массива тензоров с потоком, гарантирующим выполнение разделения. Используйте этот объект для всех последующих операций.

Возбуждает: ValueError: если проверка формы завершается неудачно.

Примечание: Результат этой функции должен быть использован. Если это не так, будет выведено предупреждение. Чтобы отметить результат как использованный, вызовите метод .mark_used().

`stack`

Просмотреть исходный код

stack(
    name=None
)

Возвращает значения в массиве тензоров как составленный Tensor.

Все значения должны быть записаны, и их формы должны совпадать. Если формы входных данных имеют ранг-R, то форма выходных данных будет иметь ранг-(R+1).

Аргументы
`name`	Имя операции (необязательно).

Возвращаемое значение
Все тензоры в TensorArray, объединённые в один тензор.

`unstack`

Просмотреть исходный код

unstack(
    value, name=None
)

Разделить значения Tensor в TensorArray.

Если формы входных значений имеют ранг-R, то выходной TensorArray будет содержать элементы с формами ранга-(R-1).

Аргументы: value: (N+1)-мерный. Тензор типа dtype. Тензор для разделения. name: Имя операции (необязательно).

Возвращаемое значение: новый объект TensorArray с потоком, который гарантирует выполнение операции разделения. Используйте этот объект для последующих операций.

Возможные исключения: ValueError: если проверка формы не удалась.

Примечание: Выходные данные этой функции должны быть использованы. Если это не так, будет выведено предупреждение. Чтобы отметить выходные данные как используемые, вызовите метод .mark_used().

`write`

Просмотреть исходный код

write(
    index, value, name=None
)

Записать value в индекс index TensorArray.

Аргументы
`index`	0-мерный. Скаляр int32 с индексом для записи.
`value`	N-мерный. Тензор типа `dtype`. Тензор для записи в этот индекс.
`name`	Имя операции (необязательно).

Возвращаемое значение
Новый объект TensorArray с потоком, который гарантирует выполнение записи. Используйте этот объект для последующих операций.

Возможные исключения
`ValueError`	если записывающих задач больше, чем указано.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/TensorArray