Array multidimensi yang memiliki jenis yang digunakan di Tensorflow Lite.
Nama sebutan channel native Tensor dikelola oleh NativeInterpreterWrapper, dan tidak perlu ditutup oleh klien. Namun, setelah NativeInterpreterWrapper ditutup, handle tensor akan menjadi tidak valid.
Class Bertingkat
| class | Tensor.QuantizationParams | Parameter kuantisasi yang sesuai dengan tabel, QuantizationParameters, dalam file skema Model TFLite. |
|
Metode Publik
| abstrak ByteBuffer |
asReadOnlyBuffer()
Menampilkan tampilan
ByteBuffer hanya baca dari data tensor. |
| abstrak DataType | |
| abstrak int |
numBytes()
Menampilkan ukuran, dalam byte, dari data tensor.
|
| abstrak int |
numDimensions()
Menampilkan jumlah dimensi (terkadang disebut sebagai peringkat) Tensor.
|
| abstrak int |
numElements()
Menampilkan jumlah elemen dalam tampilan yang diratakan (1-D) dari tensor.
|
| abstrak Tensor.QuantizationParams |
quantizationParams()
Menampilkan parameter kuantisasi tensor dalam penafsir yang memiliki.
|
| abstrak int[] | |
| abstrak int[] |
shapeSignature()
Menampilkan bentuk asli Tensor, yaitu ukuran setiap dimensi - sebelum pengubahan ukuran dilakukan.
|
Metode Publik
public abstrak ByteBuffer asReadOnlyBuffer ()
Menampilkan tampilan ByteBuffer hanya baca dari data tensor.
Secara umum, metode ini paling berguna untuk mendapatkan tampilan hanya baca dari data tensor output,
*setelah* inferensi dijalankan (misalnya, melalui InterpreterApi.run(Object, Object)). Secara
khusus, beberapa grafik memiliki output berbentuk dinamis, yang dapat membuat feeding buffer output
yang telah ditentukan ke penafsir menjadi canggung. Contoh penggunaan:
interpreter.run(input, null);
ByteBuffer outputBuffer = interpreter.getOutputTensor(0).asReadOnlyBuffer();
// Copy or read from outputBuffer.
PERINGATAN: Jika tensor belum dialokasikan, misalnya, sebelum inferensi dieksekusi, hasilnya tidak akan ditentukan. Perlu diperhatikan bahwa pointer tensor yang mendasarinya juga dapat berubah saat tensor menjadi tidak valid dengan cara apa pun (misalnya, jika inferensi dijalankan, atau grafik diubah ukurannya), sehingga *tidak* aman untuk menyimpan referensi ke buffer yang ditampilkan di luar penggunaan langsung setelah inferensi. Contoh penggunaan *buruk*:
ByteBuffer outputBuffer = interpreter.getOutputTensor(0).asReadOnlyBuffer();
interpreter.run(input, null);
// Copy or read from outputBuffer (which may now be invalid).Menampilkan
| IllegalArgumentException | jika data tensor belum dialokasikan. |
|---|
public abstract int numBytes ()
Menampilkan ukuran, dalam byte, dari data tensor.
public abstract int numDimensions ()
Menampilkan jumlah dimensi (terkadang disebut sebagai peringkat) Tensor.
Akan menjadi 0 untuk skalar, 1 untuk vektor, 2 untuk matriks, 3 untuk tensor 3 dimensi, dll.
public abstract int numElements ()
Menampilkan jumlah elemen dalam tampilan yang diratakan (1-D) dari tensor.
public abstrak Tensor.QuantizationParams quantizationParams ()
Menampilkan parameter kuantisasi tensor dalam penafsir yang memiliki.
Hanya tensor terkuantisasi yang memiliki QuantizationParameters valid. Untuk tensor yang tidak
terkuantisasi, nilai scale dan zero_point adalah 0.
publik abstrak int[] bentuk ()
Menampilkan bentuk Tensor, yaitu ukuran setiap dimensi.
Hasil
- array dengan elemen ke-i merupakan ukuran dimensi ke-i dari tensor.
publik abstrak int[] shapeSignature ()
Menampilkan bentuk asli Tensor, yaitu ukuran setiap dimensi - sebelum pengubahan ukuran dilakukan. Dimensi yang tidak diketahui ditetapkan dengan nilai -1.
Hasil
- array dengan elemen ke-i merupakan ukuran dimensi ke-i dari tensor.