کتابخانه‌ی استاندارد · هوش مصنوعی

تانسور `ai.tensor`

آرایه‌های چندبعدی و عملیات عددی برای یادگیری ماشین.

واردسازی هوش مصنوعی.تانسور

نام آرگومان‌ها شناسه‌ی خود کد است و معادل فارسی ندارد؛ گونه‌ها، کلیدواژه‌ها و نام بسته‌ها با معادل فارسی نوشته می‌شوند.

در این صفحه

یک لایه‌ی خطی با دست
یکسان کردن مقیاس ویژگی‌ها
پیدا کردن نزدیک‌ترین بردارها
تغییر شکل، برش و ماسک
چیزهایی که باید حواستان باشد
گونه‌ها
پایاها و متغیرها
تابع‌ها

تانسور آرایه‌ای چندبعدی از اعداد است: بردار یک‌بعدی، ماتریس دوبعدی و دسته‌ای از تصویرها چهاربعدی. داده‌ها اعشاری ۳۲ بیتی و به ترتیب سطری نگه داشته می‌شوند. عملگرهای +، -، * و / درایه‌به‌درایه کار می‌کنند و تانسورهای هم‌اندازه یا قابل پخش را می‌پذیرند.

این بسته محاسبه است، بی گرادیان. برای آموزش شبکه از مشتق‌گیری خودکار و شبکه عصبی استفاده کنید که روی همین تانسورها کار می‌کنند. برای جبر خطی دقیق ۶۴ بیتی (حل دستگاه معادله، وارون و تجزیه‌ها) سراغ matrix بروید و برای آمار روی فهرست‌های ساده سراغ stats.

عمل‌های بزرگ خودشان روی چند نخ اجرا می‌شوند: کار درایه‌به‌درایه روی ۲۶۲۱۴۴ مقدار یا بیشتر و ضرب ماتریسی بالای حدود ۳۲ میلیون ضرب و جمع. پیش‌فرض یک نخ به ازای هر هسته‌ی پردازنده است، حداکثر ۸؛ تنظیم نخ‌ها آن را عوض می‌کند و تنظیم نخ‌ها(۱) همه‌چیز را روی نخ فراخوان نگه می‌دارد.

یک لایه‌ی خطی با دست

بیشتر یک شبکه‌ی عصبی یک خط است: ورودی‌ها را در ماتریس وزن ضرب کنید و سوگیری را بیفزایید. این‌جا سه نمونه با دو ویژگی، یعنی ماتریسی 3x2، به ماتریس وزن 2x3 می‌رسند و برای هر کدام از سه دسته امتیازی می‌دهند. سوگیری شکل 1x3 دارد و با پخش (broadcast) به همه‌ی سطرها افزوده می‌شود: بعدی که اندازه‌اش یک است کشیده می‌شود تا با عملوند دیگر جور شود.

tensor-guide-linear.salam

واردسازی هوش مصنوعی.تانسور

تابع ماتریس(سطرها: صحیح، ستون‌ها: صحیح، مقدارها: اعشار۶۴[]): تانسور.تانسور:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۳۲>
    هر م در مقدارها:
        داده.بیفزا(م برگردان اعشار۳۲)
    پایان
    ناپایا شکل := تانسور.شکل دو(سطرها، ستون‌ها)
    برگشت تانسور.از آرایه(شکل، داده)
پایان

تابع ریشه:
    ناپایا ورودی‌ها := ماتریس(۳، ۲، [۱.۰، ۲.۰، ۰.۰، ۱.۰، ۳.۰، ۰.۰])
    ناپایا وزن := ماتریس(۲، ۳، [۱.۰، ۰.۰، -۱.۰، ۰.۵، ۱.۰، ۲.۰])
    سوگیری := ماتریس(۱، ۳، [۰.۰، -۱.۰، ۰.۵])
    ناپایا امتیازها := تانسور.ضرب ماتریسی(ورودی‌ها، وزن) + سوگیری
    سرچاپ "امتیازها"، تانسور.رشته شکل(امتیازها)، تانسور.به رشته(امتیازها)
    ناپایا پنهان := تانسور.یکسوساز(امتیازها)
    سرچاپ "یکسوساز"، تانسور.به رشته(پنهان)
    ناپایا برترین := تانسور.نمایه بیشینه محور(امتیازها، ۱، نادرست)
    سرچاپ "بهترین دسته‌ی هر سطر"، تانسور.به رشته(برترین)
پایان

خروجیامتیازها 3x3 tensor(3x3)[2 1 3.5 0.5 0 2.5 3 -1 -2.5] یکسوساز tensor(3x3)[2 1 3.5 0.5 0 2.5 3 0 0] بهترین دسته‌ی هر سطر tensor(3)[2 2 0]

نمایه بیشینه محور با محور ۱ در هر سطر ستونی را که بزرگ‌ترین امتیاز را دارد برمی‌گزیند؛ همان دسته‌ی پیش‌بینی شده. محور ۰ در راستای سطرها پایین می‌رود و محور ۱ در طول هر سطر، پس کاهش روی محور ۱ برای هر نمونه یک عدد باقی می‌گذارد.

یکسان کردن مقیاس ویژگی‌ها

ویژگی‌هایی که با یکاهای گوناگون اندازه گرفته شده‌اند کنار هم بد آموزش می‌بینند، پس معمولا آن‌ها را جابه‌جا می‌کنند تا میانگینشان صفر شود و مقیاس می‌کنند تا پراکندگی‌شان یک شود. میانگین محور وقتی keepdim درست باشد محور کاهش یافته را با اندازه‌ی یک نگه می‌دارد و سطری 1x2 می‌دهد که دوباره روی هر هشت نمونه پخش می‌شود. بدون آن، نتیجه برداری ساده با دو عضو است، همان‌طور که خط آخر نشان می‌دهد.

tensor-guide-normalize.salam

واردسازی هوش مصنوعی.تانسور

تابع ریشه:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۳۲>
    هر م در [۲.۰، ۲۰.۰، ۴.۰، ۴۰.۰، ۴.۰، ۴۰.۰، ۴.۰، ۴۰.۰، ۵.۰، ۵۰.۰، ۵.۰، ۵۰.۰، ۷.۰، ۷۰.۰، ۹.۰، ۹۰.۰]:
        داده.بیفزا(م برگردان اعشار۳۲)
    پایان
    ناپایا شکل := تانسور.شکل دو(۸، ۲)
    ناپایا نمونه‌ها := تانسور.از آرایه(شکل، داده)
    ناپایا میانگین := تانسور.میانگین محور(نمونه‌ها، ۰، درست)
    سرچاپ "میانگین"، تانسور.رشته شکل(میانگین)، تانسور.به رشته(میانگین)
    ناپایا مرکزی := نمونه‌ها - میانگین
    ناپایا پراکندگی := تانسور.ریشه دوم(تانسور.میانگین محور(تانسور.مربع(مرکزی)، ۰، درست))
    سرچاپ "پراکندگی"، تانسور.به رشته(پراکندگی)
    ناپایا مقیاس شده := مرکزی / پراکندگی
    سرچاپ "ستون اول"، تانسور.به رشته(تانسور.باریک‌سازی(مقیاس شده، ۱، ۰، ۱))
    سرچاپ "ستون‌ها یکی شدند:"، تانسور.همه نزدیک(تانسور.باریک‌سازی(مقیاس شده، ۱، ۰، ۱)، تانسور.باریک‌سازی(مقیاس شده، ۱، ۱، ۱)، ۰.۰۰۰۱)
    سرچاپ "میانگین تازه"، تانسور.به رشته(تانسور.میانگین محور(مقیاس شده، ۰، نادرست))
پایان

خروجیمیانگین 1x2 tensor(1x2)[5 50] پراکندگی tensor(1x2)[2 20] ستون اول tensor(8x1)[-1.5 -0.5 -0.5 -0.5 0 0 1 2] ستون‌ها یکی شدند: true میانگین تازه tensor(2)[0 0]

ستون دوم ده برابر ستون اول است و پس از مقیاس کردن هر دو یکی می‌شوند: یکسان‌سازی یکا را از میان برمی‌دارد. همه نزدیک با یک رواداری مقایسه می‌کند که برای عددهای اعشاری آزمون درست است؛ یکسان می‌خواهد همه‌ی بیت‌ها یکی باشند.

پیدا کردن نزدیک‌ترین بردارها

جستجوی معنایی با بردارها کار می‌کند: هر مورد سطری از عددهاست و موردی که به پرسش نزدیک‌تر است بزرگ‌ترین ضرب داخلی را دارد. ضرب در بردار با یک فراخوانی همه‌ی سطرها را در برابر پرسش امتیاز می‌دهد و کِی برتر بهترین امتیازها را برمی‌گرداند و شماره‌ی سطرهایشان را در تانسوری می‌نویسد که به عنوان آرگومان آخر می‌دهید.

tensor-guide-search.salam

واردسازی هوش مصنوعی.تانسور

تابع ریشه:
    نام ها := ["گربه"، "سگ"، "خودرو"، "اتوبوس"]
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۳۲>
    هر م در [۰.۹، ۰.۱، ۰.۰، ۰.۸، ۰.۲، ۰.۰، ۰.۰، ۰.۱، ۰.۹، ۰.۱، ۰.۰، ۰.۸]:
        داده.بیفزا(م برگردان اعشار۳۲)
    پایان
    ناپایا شکل := تانسور.شکل دو(۴، ۳)
    ناپایا بردارها := تانسور.از آرایه(شکل، داده)
    ناپایا داده پرسش := وکتور {} برگردان وکتور<اعشار۳۲>
    هر م در [۰.۷، ۰.۳، ۰.۰]:
        داده پرسش.بیفزا(م برگردان اعشار۳۲)
    پایان
    ناپایا شکل پرسش := تانسور.شکل یک(۳)
    ناپایا پرسش := تانسور.از آرایه(شکل پرسش، داده پرسش)
    ناپایا امتیازها := تانسور.ضرب در بردار(بردارها، پرسش)
    ناپایا ترتیب := تانسور.تهی()
    برترها := تانسور.کِی برتر(امتیازها، ۲، درست، ترتیب)
    تکرار ۲ در ی:
        شماره := ترتیب.عنصر(ی) برگردان صحیح
        سرچاپ نام ها[شماره]، (برترها.عنصر(ی) * ۱۰۰.۰ + ۰.۵) برگردان صحیح
    پایان
پایان

خروجیگربه 66 سگ 62

سطرهای این‌جا از پیش طول نزدیکی دارند، پس ضرب داخلی سنجه‌ی منصفانه‌ای است. برای بردارهای واقعی اول هر سطر را بر طولش تقسیم کنید تا ضرب داخلی به شباهت کسینوسی تبدیل شود. امتیازها اعشاری ۳۲ بیتی‌اند، پس برنامه پیش از چاپ گردشان می‌کند.

تغییر شکل، برش و ماسک

داده اغلب تخت می‌رسد. تغییر شکل رونوشتی از همان عددها را، به همان ترتیب، با شکلی تازه برمی‌گرداند: دوازده خوانده‌ی کنتور سه روزِ چهار بازه‌ای می‌شوند. سپس کاهش‌ها در هر دو محور به پرسش‌ها پاسخ می‌دهند، برش محور صفر و باریک‌سازی سطرها یا ستون‌هایی را جدا می‌کنند و تابع‌های مقایسه ماسک‌هایی از ۰ و ۱ می‌سازند که پرکردن ماسک‌شده و کجا با آن‌ها مقدار انتخاب می‌کنند.

tensor-guide-shape.salam

واردسازی هوش مصنوعی.تانسور

تابع ریشه:
    ناپایا خوانده‌ها := وکتور {} برگردان وکتور<اعشار۳۲>
    هر مصرف در [۱.۵، ۳.۵، ۴.۲۵، ۲.۰، ۱.۰، ۲.۷۵، ۵.۵، ۲.۲۵، ۰.۷۵، ۳.۰، ۳.۲۵، ۱.۷۵]:
        خوانده‌ها.بیفزا(مصرف برگردان اعشار۳۲)
    پایان
    ناپایا تخت := تانسور.از آرایه(تانسور.شکل یک(۱۲)، خوانده‌ها)
    ناپایا شکل روزها := تانسور.شکل دو(۳، ۴)
    ناپایا روزها := تانسور.تغییر شکل(تخت، شکل روزها)
    سرچاپ "روز در بازه"، تانسور.رشته شکل(روزها)
    سرچاپ "هر روز"، تانسور.به رشته(تانسور.مجموع محور(روزها، ۱، نادرست))
    سرچاپ "هر بازه"، تانسور.به رشته(تانسور.مجموع محور(روزها، ۰، نادرست))
    سرچاپ "جمع تجمعی روز دوم"، تانسور.به رشته(تانسور.جمع تجمعی(تانسور.برش محور صفر(روزها، ۱، ۱)، ۱))
    ناپایا اوج‌ها := تانسور.بزرگتر از عدد(روزها، ۴.۰)
    سرچاپ "خوانده‌های اوج"، تانسور.به رشته(تانسور.پرکردن ماسک‌شده(روزها، تانسور.کوچکتر از عدد(روزها، ۴.۰)، ۰.۰))
    سرچاپ "شمار اوج‌ها"، تانسور.مجموع همه(اوج‌ها)
    سرچاپ "بازه‌ها در سطرها"، تانسور.رشته شکل(تانسور.ترانهاده دوبعدی(روزها))
    ناپایا شکل ناجور := تانسور.شکل دو(۵، ۲)
    سرچاپ "تغییر شکل ۱۲ به 5x2:"، تانسور.رشته شکل(تانسور.تغییر شکل(تخت، شکل ناجور))
پایان

خروجیروز در بازه 3x4 هر روز tensor(3)[11.25 11.5 8.75] هر بازه tensor(4)[3.25 9.25 13 6] جمع تجمعی روز دوم tensor(1x4)[1 3.75 9.25 11.5] خوانده‌های اوج tensor(3x4)[0 0 4.25 0 0 0 5.5 0 0 0 0 0] شمار اوج‌ها 2 بازه‌ها در سطرها 4x3 تغییر شکل ۱۲ به 5x2: empty

ماسک تانسوری معمولی از ۰ و ۱ است، پس مجموع همه روی آن شمار جورها را می‌دهد. خط آخر همان شکست بی‌صدای فهرست پایین را نشان می‌دهد: دوازده مقدار در شکل 5x2 جا نمی‌شوند و به جای خطا تانسوری تهی می‌گیرید.

چیزهایی که باید حواستان باشد

شکل‌ها باید یکی باشند یا پخش‌پذیر. ناهمخوانی برنامه را متوقف نمی‌کند: نتیجه تانسوری تهی است، رشته شکل کلمه‌ی empty را چاپ می‌کند و اشتباه بی‌صدا جلو می‌رود. هر وقت از شکل‌ها مطمئن نیستید، تهی است() را روی نتیجه بسنجید.
داده اعشار۳۲ است. وقتی از عددهای خودتان تانسور می‌سازید، یک وکتور<اعشار۳۲> پر کنید و با برگردان اعشار۳۲ تبدیل کنید.
هر عمل تانسوری تازه می‌سازد. در حلقه‌های طولانی از شکل‌های «در جا» و «درون» استفاده کنید، یا نتیجه‌هایی را که دیگر لازم ندارید با آزادسازی آزاد کنید.
تابع‌های «در جا» و «درون» پخش نمی‌کنند. وقتی شکل‌ها فرق دارند، «در جا» هیچ کاری نمی‌کند و «درون» نادرست برمی‌گرداند. وقتی یک طرف باید پخش شود از عملگرها استفاده کنید.
چاپ از راه اعشار۶۴ انجام می‌شود، پس مقداری مثل ۰٫۱ به شکل 0.10000000149011612 چاپ می‌شود که مقدار دقیق اعشار۳۲ آن است. پیش از نشان دادن عددها به آدم‌ها، آن‌ها را با تبدیل.قالب اعشار با دقت گرد کنید.

گونه‌ها

تانسور `Tensor`

ساختار تانسور

آرایه‌ی چندبعدی از اعداد اعشاری ۳۲ بیتی؛ پایه‌ی همه‌ی محاسبات شبکه‌ی عصبی.

نام	انگلیسی	گونه	توضیح
درایه‌ها	`data`	`وکتور<اعشار۳۲>`	درایه‌ها به ترتیب سطری.
شکل	`shape`	`وکتور<صحیح>`	ابعاد.

ai-tensor-Create.salam

واردسازی هوش مصنوعی.تانسور
واردسازی فشرده سازی

تابع ریشه خطادار:
    ناپایا شکل := تانسور.شکل دو(۲، ۳)
    ناپایا الف := تانسور.بازه گام(۶)
    ناپایا ب := تانسور.تغییر شکل(الف، شکل)
    سرچاپ تانسور.رشته شکل(ب)، ب.رتبه()، ب.شمار درایه‌ها()، ب.بعد(۰)، ب.بعد(۱)، ب.تهی است()
    سرچاپ تانسور.به رشته(ب)
    سرچاپ ب.در دو(۱، ۲)، ب.عنصر(۴)
    ب.تنظیم در دو(۰، ۰، ۹.۰)
    ب.تنظیم در(۱، ۸.۰)
    ب.افزودن در(۲، ۰.۵)
    تانسور.چاپ(ب)

    ناپایا ص := تانسور.صفرها(شکل)
    سرچاپ تانسور.رشته شکل(ص)، ص.هم‌شکل(ب)، تانسور.هم‌شکل(ص، ب)
    ناپایا ص۱ := تانسور.صفرها یک(۳)
    ناپایا ص۲ := تانسور.صفرها دو(۲، ۲)
    ناپایا ص۳ := تانسور.صفرها سه(۲، ۲، ۲)
    ناپایا ص۴ := تانسور.صفرها چهار(۱، ۲، ۲، ۲)
    سرچاپ ص۱.شمار درایه‌ها()، ص۲.شمار درایه‌ها()، ص۳.شمار درایه‌ها()، ص۴.رتبه()
    ناپایا یک := تانسور.یک‌ها(تانسور.شکل یک(۳))
    ناپایا پر := تانسور.پرشده(تانسور.شکل سه(۱، ۱، ۲)، ۷.۰)
    ناپایا اسک := تانسور.اسکالر(۲.۵)
    سرچاپ تانسور.به رشته(یک)، تانسور.به رشته(پر)، اسک.رتبه()، اسک.عنصر(۰)
    سرچاپ تانسور.شکل چهار(۱، ۲، ۳، ۴).طول()، تانسور.تهی().تهی است()

    ناپایا داده := وکتور {} برگردان وکتور<اعشار۳۲>
    داده.بیفزا(۱.۰ برگردان اعشار۳۲)
    داده.بیفزا(۲.۰ برگردان اعشار۳۲)
    ناپایا ا := تانسور.از آرایه(تانسور.شکل یک(۲)، داده)
    ناپایا رونوشت := تانسور.همانند(ا)
    تانسور.تنظیم همه(رونوشت، ۵.۰)
    تانسور.رونوشت در(ص۱، یک)
    سرچاپ تانسور.به رشته(ا)، تانسور.به رشته(رونوشت)، تانسور.به رشته(ص۱)

    ناپایا شکل۲ := تانسور.شکل سه(۳، ۱، ۲)
    سرچاپ ب.تغییر شکل درجا(شکل۲)، تانسور.رشته شکل(ب)
    تانسور.فشردن درجا(ب)
    سرچاپ تانسور.رشته شکل(ب)
    تانسور.گشودن درجا(ب، ۰)
    سرچاپ تانسور.رشته شکل(ب)
    ناپایا ترتیب := وکتور {} برگردان وکتور<صحیح>
    ترتیب.بیفزا(۲)
    ترتیب.بیفزا(۱)
    ترتیب.بیفزا(۰)
    ناپایا ج := تانسور.جایگشت(ب، ترتیب)
    سرچاپ تانسور.رشته شکل(ج)
    ناپایا م := تانسور.بازه گام(۶)
    ناپایا م۲ := تانسور.تغییر شکل(م، شکل)
    سرچاپ تانسور.به رشته(تانسور.برش محور صفر(م۲، ۱، ۱))، تانسور.به رشته(تانسور.باریک‌سازی(م۲، ۱، ۱، ۲))
    سرچاپ تانسور.رشته شکل(تانسور.پیوند دو(م۲، م۲، ۰))، تانسور.رشته شکل(تانسور.انباشت دو(م۲، م۲))
    سرچاپ تانسور.رشته شکل(تانسور.گسترش(تانسور.اسکالر(۱.۰)، شکل))

    ناپایا ماتریسی := تانسور.به ماتریس(م۲)
    سرچاپ ماتریسی.سطرها، ماتریسی.ستون‌ها، تانسور.رشته شکل(تانسور.از ماتریس(ماتریسی))

    ناپایا بافر := فشرده سازی.بافر بایت جدید()
    سرچاپ تانسور.نوشتن تانسور(بافر، "w"، م۲)
    ناپایا خواننده := فشرده سازی.خواننده از بافر(بافر)
    ناپایا نام := ""
    ناپایا خوانده := تانسور.تهی()
    تلاش تانسور.خواندن تانسور(خواننده، نام، خوانده)
    سرچاپ نام، تانسور.یکسان(خوانده، م۲)
    فشرده سازی.آزادسازی بافر(بافر)
    سرچاپ تانسور.رواداری تانسور
    تانسور.آزادسازی(الف)
    ب.آزادسازی()
پایان

خروجی2x3 2 6 2 3 false tensor(2x3)[0 1 2 3 4 5] 5 4 tensor(2x3)[9 8 2.5 3 4 5] 2x3 true true 3 4 8 4 tensor(3)[1 1 1] tensor(1x1x2)[7 7] 1 2.5 4 true tensor(2)[1 2] tensor(2)[5 5] tensor(3)[1 1 1] true 3x1x2 3x2 1x3x2 2x3x1 tensor(1x3)[3 4 5] tensor(2x2)[1 2 4 5] 4x3 2x2x3 2x3 2 3 2x3 true w true 1e-05

رتبه `rank`

تابع رتبه(): صحیح

شمار ابعاد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شمار درایه‌ها `numel`

تابع شمار درایه‌ها(): صحیح

شمار کل درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

بعد `dim`

تابع بعد(i: صحیح): صحیح

اندازه‌ی بعد i.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تهی است `is_empty`

تابع تهی است(): منطقی

درایه‌ای ندارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

هم‌شکل `same_shape`

تابع هم‌شکل(o &: تانسور): منطقی

شکلش با تانسور دیگر یکی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

عنصر `at`

تابع عنصر(i: صحیح): اعشار۶۴

درایه‌ی شماره‌ی i در ترتیب سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تنظیم در `set_at`

تابع تنظیم در(i: صحیح، v: اعشار۶۴)

درایه‌ی i را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

افزودن در `add_at`

تابع افزودن در(i: صحیح، v: اعشار۶۴)

به درایه‌ی i می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

در دو `at2`

تابع در دو(i: صحیح، j: صحیح): اعشار۶۴

درایه‌ی سطر i و ستون j در تانسور دوبعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تنظیم در دو `set_at2`

تابع تنظیم در دو(i: صحیح، j: صحیح، v: اعشار۶۴)

درایه‌ی سطر i و ستون j را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تغییر شکل درجا `reshape_`

تابع تغییر شکل درجا(shape &: وکتور<صحیح>): منطقی

شکل را درجا عوض می‌کند، اگر شمار درایه‌ها یکی باشد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

عملگر جمع `operator_add`

تابع عملگر جمع(other: تانسور): تانسور

عملگر +، درایه‌به‌درایه با پخش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

عملگر تفریق `operator_sub`

تابع عملگر تفریق(other: تانسور): تانسور

عملگر -.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

عملگر ضرب `operator_mul`

تابع عملگر ضرب(other: تانسور): تانسور

عملگر *، ضرب درایه‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

عملگر تقسیم `operator_div`

تابع عملگر تقسیم(other: تانسور): تانسور

عملگر /.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

آزادسازی `free`

تابع آزادسازی()

حافظه را آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

مولد تصادفی `Rng`

ساختار مولد تصادفی

مولد عدد تصادفی قطعی؛ با یک بذر همیشه همان دنباله را می‌دهد.

نام	انگلیسی	گونه	توضیح
حالت داخلی	`s`	`طبیعی۶۴ = 0`	حالت داخلی.

ai-tensor-Random.salam

واردسازی هوش مصنوعی.تانسور

تابع گرد(ت &: تانسور.تانسور): رشته:
    ناپایا متن := ""
    تکرار ت.شمار درایه‌ها() در ش:
        اگر ش > ۰:
            متن += " "
        پایان
        متن += "" + ((ت.عنصر(ش) * ۱۰۰.۰ + ۱۰۰۰۰.۵) برگردان صحیح - ۱۰۰۰۰)
    پایان
    برگشت متن
پایان

تابع ریشه:
    ناپایا مولد := تانسور.مولد تصادفی جدید(۴۲)
    سرچاپ مولد.بیت بعدی() > ۰، مولد.اعشاری بعدی() < ۱.۰، مولد.نرمال بعدی() < ۱۰.۰
    سرچاپ تانسور.بذر مشتق(۴۲، ۱) != تانسور.بذر مشتق(۴۲، ۲)
    ناپایا ی := تانسور.صفرها یک(۵)
    تانسور.پر کردن یکنواخت(ی، ۰.۰، ۱.۰، مولد)
    سرچاپ تانسور.کمینه همه(ی) >= ۰.۰، تانسور.بیشینه همه(ی) < ۱.۰
    تانسور.پر کردن نرمال(ی، ۰.۰، ۱.۰، مولد)
    تانسور.پر کردن برنولی(ی، ۰.۵، مولد)
    سرچاپ تانسور.مجموع همه(ی) <= ۵.۰
    ناپایا ت۱ := تانسور.تصادفی یکنواخت(تانسور.شکل یک(۳)، -۱.۰، ۱.۰، ۷)
    ناپایا ت۲ := تانسور.تصادفی یکنواخت(تانسور.شکل یک(۳)، -۱.۰، ۱.۰، ۷)
    سرچاپ تانسور.یکسان(ت۱، ت۲)، گرد(ت۱)
    ناپایا ن := تانسور.تصادفی نرمال(تانسور.شکل یک(۲)، ۷)
    سرچاپ ن.شمار درایه‌ها()

    تانسور.تنظیم نخ‌ها(۲)
    سرچاپ تانسور.نخ‌ها()

    سرچاپ تانسور.اندازه خروجی پیچش(۵، ۳، ۱، ۱)، تانسور.اندازه خروجی پیچش(۵، ۳، ۲، ۰)
    ناپایا تصویر := تانسور.تغییر شکل(تانسور.بازه گام(۱۶)، تانسور.شکل چهار(۱، ۱، ۴، ۴))
    ناپایا هسته := تانسور.یک‌ها(تانسور.شکل چهار(۱، ۱، ۲، ۲))
    ناپایا سوگیری := تانسور.صفرها یک(۱)
    ناپایا پیچش := تانسور.پیچش دوبعدی پیشرو(تصویر، هسته، سوگیری، ۲، ۲، ۰، ۰)
    سرچاپ تانسور.رشته شکل(پیچش)، گرد(پیچش)
    ناپایا جای بیشینه := تانسور.تهی()
    ناپایا بیشینه := تانسور.بیشینه‌گیری دوبعدی پیشرو(تصویر، ۲، ۲، ۲، ۲، جای بیشینه)
    سرچاپ گرد(بیشینه)، گرد(جای بیشینه)
    سرچاپ گرد(تانسور.میانگین‌گیری دوبعدی پیشرو(تصویر، ۲، ۲، ۲، ۲))
    ناپایا ستون‌ها := تانسور.تصویر به ستون(تصویر، ۰، ۲، ۲، ۲، ۲، ۰، ۰)
    سرچاپ تانسور.رشته شکل(ستون‌ها)
    ناپایا گرادیان := تانسور.صفرها چهار(۱، ۱، ۴، ۴)
    سرچاپ تانسور.ستون به تصویر انباشته(ستون‌ها، گرادیان، ۰، ۲، ۲، ۲، ۲، ۰، ۰)، تانسور.یکسان(گرادیان، تصویر)

    ناپایا م := تانسور.تغییر شکل(تانسور.بازه گام(۶)، تانسور.شکل دو(۲، ۳))
    ناپایا مت := تانسور.ترانهاده خام(م.درایه‌ها.ارجاع(۰)، ۲، ۳)
    سرچاپ تانسور.رشته شکل(مت)، گرد(مت)
    ناپایا حاصل := تانسور.صفرها دو(۲، ۲)
    تانسور.ضرب انباشته خام(م.درایه‌ها.ارجاع(۰)، مت.درایه‌ها.ارجاع(۰)، حاصل.درایه‌ها.ارجاع(۰)، ۲، ۳، ۲)
    سرچاپ گرد(حاصل)
پایان

خروجیtrue true true true true true true true -32 47 55 2 2 5 2 1x1x2x2 1000 1800 4200 5000 500 700 1300 1500 500 700 1300 1500 250 450 1050 1250 4x4 true true 3x2 0 300 100 400 200 500 500 1400 1400 5000

بیت بعدی `next_bits`

تابع بیت بعدی(): طبیعی۶۴

۶۴ بیت تصادفی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

اعشاری بعدی `next_float`

تابع اعشاری بعدی(): اعشار۶۴

عدد اعشاری در بازه‌ی صفر تا یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

نرمال بعدی `next_normal`

تابع نرمال بعدی(): اعشار۶۴

عدد با توزیع نرمال استاندارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

پایاها و متغیرها

رواداری تانسور `TSR_TOL`

پایا رواداری تانسور: اعشار۶۴ = 1e-05

رواداری پیش‌فرض مقایسه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تابع‌ها

تنظیم نخ‌ها `SetThreads`

تابع تنظیم نخ‌ها(n: صحیح)

شمار نخ‌ها برای عمل‌های بزرگ درایه‌به‌درایه، ضرب ماتریسی و پیچش؛ ۰ یعنی یکی به ازای هر هسته، حداکثر ۸.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

نخ‌ها `Threads`

تابع نخ‌ها(): صحیح

شمار نخ‌های در حال استفاده: مقداری که به تنظیم نخ‌ها داده شده، یا شمار هسته‌ها تا سقف ۸.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

نوشتن تانسور `WriteTensor`

تابع نوشتن تانسور(buf &: فشرده سازی.بافر بایت، name: رشته، t &: تانسور): منطقی

تانسور را با نام در بافر می‌نویسد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

خواندن تانسور `ReadTensor`

تابع خواندن تانسور(rd &: فشرده سازی.خواننده بایت، name_out &: رشته، out &: تانسور): Throws<منطقی>

تانسور و نامش را از خواننده می‌خواند. برای نام خالی، نوع داده‌ای جز f32، اندازه‌ای که با شکل جور نیست یا داده‌ای که زود تمام شود خطا می‌دهد (زمینه‌ی tensor)؛ آن‌گاه out و name_out دست نمی‌خورند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

اندازه خروجی پیچش `ConvOutSize`

تابع اندازه خروجی پیچش(size: صحیح، k: صحیح، s: صحیح، p: صحیح): صحیح

اندازه‌ی خروجی پیچش برای اندازه، هسته، گام و لایه‌گذاری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

تصویر به ستون `Im2Col`

تابع تصویر به ستون(x &: تانسور، sample: صحیح، kh: صحیح، kw: صحیح، sh: صحیح، sw: صحیح، ph: صحیح، pw: صحیح): تانسور

پنجره‌های پیچش یک نمونه را به ستون‌ها تبدیل می‌کند تا پیچش با ضرب ماتریسی انجام شود.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

ستون به تصویر انباشته `Col2ImAcc`

تابع ستون به تصویر انباشته(cols &: تانسور، dx &: تانسور، sample: صحیح، kh: صحیح، kw: صحیح، sh: صحیح، sw: صحیح، ph: صحیح، pw: صحیح): منطقی

عکس تابع بالا، با جمع؛ برای گرادیان پیچش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

پیچش دوبعدی پیشرو `Conv2DForward`

تابع پیچش دوبعدی پیشرو(x &: تانسور، w &: تانسور، bias &: تانسور، sh: صحیح، sw: صحیح، ph: صحیح، pw: صحیح): تانسور

پیچش دوبعدی روی تانسور NCHW با وزن، سوگیری، گام‌ها و لایه‌گذاری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

بیشینه‌گیری دوبعدی پیشرو `MaxPool2DForward`

تابع بیشینه‌گیری دوبعدی پیشرو(x &: تانسور، kh: صحیح، kw: صحیح، sh: صحیح، sw: صحیح، argmax_out &: تانسور): تانسور

بیشینه‌گیری دوبعدی؛ جای بیشینه‌ها هم برگردانده می‌شود.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

میانگین‌گیری دوبعدی پیشرو `AvgPool2DForward`

تابع میانگین‌گیری دوبعدی پیشرو(x &: تانسور، kh: صحیح، kw: صحیح، sh: صحیح، sw: صحیح): تانسور

میانگین‌گیری دوبعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

مجموع همه `SumAll`

تابع مجموع همه(x &: تانسور): اعشار۶۴

مجموع همه.

ai-tensor-Math.salam

واردسازی هوش مصنوعی.تانسور

تابع نشان(نام: رشته، ت &: تانسور.تانسور):
    سرچاپ نام، تانسور.به رشته(ت)
پایان

تابع نشان گرد(نام: رشته، ت &: تانسور.تانسور):
    ناپایا متن := ""
    تکرار ت.شمار درایه‌ها() در ش:
        گرد := (ت.عنصر(ش) * ۱۰۰۰.۰ + ۰.۵) برگردان صحیح
        متن += " " + گرد
    پایان
    سرچاپ نام + " ×۱۰۰۰:" + متن
پایان

تابع ریشه:
    ناپایا الف := تانسور.بازه گام(۴)
    ناپایا ب := تانسور.پرشده(تانسور.شکل یک(۴)، ۲.۰)
    ناپایا ج := الف + ب
    نشان("+"، ج)
    ناپایا ج۲ := الف * ب - ب / ب
    نشان("*-/"، ج۲)
    ناپایا ج۳ := تانسور.جمع(الف، ب)
    ناپایا ج۴ := تانسور.تفریق(الف، ب)
    ناپایا ج۵ := تانسور.ضرب درایه‌ای(الف، ب)
    ناپایا ج۶ := تانسور.تقسیم درایه‌ای(الف، ب)
    نشان("جمع"، ج۳)
    نشان("تفریق"، ج۴)
    نشان("ضرب"، ج۵)
    نشان("تقسیم"، ج۶)
    ناپایا خ := تانسور.صفرها یک(۴)
    سرچاپ تانسور.جمع در(الف، ب، خ)، تانسور.تفریق در(الف، ب، خ)، تانسور.ضرب در(الف، ب، خ)، تانسور.تقسیم در(الف، ب، خ)
    نشان("تقسیم در"، خ)
    نشان("+۱"، تانسور.جمع با عدد(الف، ۱.۰))
    نشان("-۱"، تانسور.تفریق عدد(الف، ۱.۰))
    نشان("×۳"، تانسور.مقیاس(الف، ۳.۰))
    نشان("÷۲"، تانسور.تقسیم با عدد(الف، ۲.۰))
    نشان("قرینه"، تانسور.قرینه(الف))

    ناپایا د := تانسور.همانند(الف)
    تانسور.جمع درجا(د، ب)
    تانسور.تفریق درجا(د، الف)
    تانسور.ضرب درجا(د، ب)
    تانسور.مقیاس درجا(د، ۰.۵)
    تانسور.جمع عدد درجا(د، ۱.۰)
    تانسور.جمع مقیاس‌دار(د، الف، ۲.۰)
    نشان("درجا"، د)

    نشان گرد("نمایی"، تانسور.برش(تانسور.نمایی(الف)، ۰.۰، ۱۰.۰))
    نشان گرد("لگاریتم"، تانسور.لگاریتم(ب))
    نشان("تانژانت"، تانسور.تانژانت هذلولی(تانسور.صفرها یک(۲)))
    نشان گرد("سیگموئید"، تانسور.سیگموئید(تانسور.صفرها یک(۲)))
    نشان("یکسوساز"، تانسور.یکسوساز(تانسور.قرینه(الف)))
    نشان گرد("گلو"، تانسور.گلو(تانسور.صفرها یک(۲)))
    نشان گرد("سیلو"، تانسور.سیلو(تانسور.صفرها یک(۲)))
    نشان("ریشه"، تانسور.ریشه دوم(تانسور.ضرب درایه‌ای(ب، ب)))
    نشان("قدر مطلق"، تانسور.قدر مطلق(تانسور.قرینه(الف)))
    نشان("مربع"، تانسور.مربع(الف))
    نشان("توان"، تانسور.توان عددی(الف، ۳.۰))

    سرچاپ تانسور.مجموع همه(الف)، تانسور.میانگین همه(الف)، تانسور.بیشینه همه(الف)، تانسور.کمینه همه(الف)، تانسور.نمایه بیشینه همه(الف)
    ناپایا ماتریسی := تانسور.تغییر شکل(تانسور.بازه گام(۶)، تانسور.شکل دو(۲، ۳))
    نشان("مجموع محور"، تانسور.مجموع محور(ماتریسی، ۰، نادرست))
    نشان("میانگین محور"، تانسور.میانگین محور(ماتریسی، ۱، درست))
    نشان("بیشینه محور"، تانسور.بیشینه محور(ماتریسی، ۱، نادرست))
    نشان("نمایه بیشینه"، تانسور.نمایه بیشینه محور(ماتریسی، ۱، نادرست))
    نشان("جمع تجمعی"، تانسور.جمع تجمعی(ماتریسی، ۱))
    سرچاپ تانسور.مجموع همه(تانسور.بیشینه نرم(ماتریسی)) > ۱.۹۹، تانسور.بیشینه همه(تانسور.لگاریتم بیشینه نرم(الف)) < ۰.۰

    ناپایا ت := تانسور.ترانهاده دوبعدی(ماتریسی)
    نشان("ترانهاده"، ت)
    نشان("ضرب ماتریسی"، تانسور.ضرب ماتریسی(ماتریسی، ت))
    نشان("ضرب ترانهاده"، تانسور.ضرب ترانهاده(ماتریسی، ماتریسی))
    نشان("ضرب در ترانهاده"، تانسور.ضرب در ترانهاده(ماتریسی، ماتریسی))
    ناپایا حاصل := تانسور.صفرها دو(۲، ۲)
    سرچاپ تانسور.ضرب ماتریسی در(ماتریسی، ت، حاصل)، تانسور.ضرب ماتریسی انباشته(ماتریسی، ت، حاصل)
    نشان("انباشته"، حاصل)
    نشان("در بردار"، تانسور.ضرب در بردار(ماتریسی، تانسور.یک‌ها(تانسور.شکل یک(۳))))
    ناپایا دسته := تانسور.انباشت دو(ماتریسی، ماتریسی)
    ناپایا دسته ت := تانسور.انباشت دو(ت، ت)
    سرچاپ تانسور.رشته شکل(تانسور.ضرب ماتریسی دسته‌ای(دسته، دسته ت))، تانسور.ضرب داخلی(الف، ب)
    سرچاپ تانسور.بیشینه اختلاف مطلق(الف، ج۳)، تانسور.همه نزدیک(ج۳، ج، ۰.۰۰۱)
پایان

خروجی+ tensor(4)[2 3 4 5] *-/ tensor(4)[-1 1 3 5] جمع tensor(4)[2 3 4 5] تفریق tensor(4)[-2 -1 0 1] ضرب tensor(4)[0 2 4 6] تقسیم tensor(4)[0 0.5 1 1.5] true true true true تقسیم در tensor(4)[0 0.5 1 1.5] +۱ tensor(4)[1 2 3 4] -۱ tensor(4)[-1 0 1 2] ×۳ tensor(4)[0 3 6 9] ÷۲ tensor(4)[0 0.5 1 1.5] قرینه tensor(4)[0 -1 -2 -3] درجا tensor(4)[3 5 7 9] نمایی ×۱۰۰۰: 1000 2718 7389 10000 لگاریتم ×۱۰۰۰: 693 693 693 693 تانژانت tensor(2)[0 0] سیگموئید ×۱۰۰۰: 500 500 یکسوساز tensor(4)[0 0 0 0] گلو ×۱۰۰۰: 0 0 سیلو ×۱۰۰۰: 0 0 ریشه tensor(4)[2 2 2 2] قدر مطلق tensor(4)[0 1 2 3] مربع tensor(4)[0 1 4 9] توان tensor(4)[0 1 8 27] 6 1.5 3 0 3 مجموع محور tensor(3)[3 5 7] میانگین محور tensor(2x1)[1 4] بیشینه محور tensor(2)[2 5] نمایه بیشینه tensor(2)[2 2] جمع تجمعی tensor(2x3)[0 1 3 3 7 12] true true ترانهاده tensor(3x2)[0 3 1 4 2 5] ضرب ماتریسی tensor(2x2)[5 14 14 50] ضرب ترانهاده tensor(3x3)[9 12 15 12 17 22 15 22 29] ضرب در ترانهاده tensor(2x2)[5 14 14 50] true true انباشته tensor(2x2)[10 28 28 100] در بردار tensor(2)[3 12] 2x2x2 12 2 true

میانگین همه `MeanAll`

تابع میانگین همه(x &: تانسور): اعشار۶۴

میانگین همه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

بیشینه همه `MaxAll`

تابع بیشینه همه(x &: تانسور): اعشار۶۴

بیشینه‌ی همه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

کمینه همه `MinAll`

تابع کمینه همه(x &: تانسور): اعشار۶۴

کمینه‌ی همه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

نمایه بیشینه همه `ArgMaxAll`

تابع نمایه بیشینه همه(x &: تانسور): صحیح

جای بیشینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

مجموع محور `SumAxis`

تابع مجموع محور(x &: تانسور، axis: صحیح، keepdim: منطقی): تانسور

مجموع در یک بعد؛ با keepdim آن بعد با اندازه‌ی یک می‌ماند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

میانگین محور `MeanAxis`

تابع میانگین محور(x &: تانسور، axis: صحیح، keepdim: منطقی): تانسور

میانگین در یک بعد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

بیشینه محور `MaxAxis`

تابع بیشینه محور(x &: تانسور، axis: صحیح، keepdim: منطقی): تانسور

بیشینه در یک بعد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

نمایه بیشینه محور `ArgMaxAxis`

تابع نمایه بیشینه محور(x &: تانسور، axis: صحیح، keepdim: منطقی): تانسور

جای بیشینه در یک بعد؛ برای گرفتن کلاس پیش‌بینی‌شده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

بیشینه نرم `Softmax`

تابع بیشینه نرم(x &: تانسور): تانسور

بیشینه‌ی نرم روی بعد آخر؛ خروجی هر سطر احتمال است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

لگاریتم بیشینه نرم `LogSoftmax`

تابع لگاریتم بیشینه نرم(x &: تانسور): تانسور

لگاریتم بیشینه‌ی نرم، پایدار از نظر عددی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تهی `Empty`

تابع تهی(): تانسور

تانسور تهی؛ برای خروجی‌هایی که تابع پر می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شکل یک `Shape1`

تابع شکل یک(n: صحیح): وکتور<صحیح>

شکل یک‌بعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شکل دو `Shape2`

تابع شکل دو(a: صحیح، b: صحیح): وکتور<صحیح>

شکل دوبعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شکل سه `Shape3`

تابع شکل سه(a: صحیح، b: صحیح، c: صحیح): وکتور<صحیح>

شکل سه‌بعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شکل چهار `Shape4`

تابع شکل چهار(a: صحیح، b: صحیح، c: صحیح، d: صحیح): وکتور<صحیح>

شکل چهاربعدی، مثل دسته×کانال×ارتفاع×عرض.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

صفرها `Zeros`

تابع صفرها(shape &: وکتور<صحیح>): تانسور

تانسور صفر با شکل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

صفرها یک `Zeros1`

تابع صفرها یک(n: صحیح): تانسور

بردار صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

صفرها دو `Zeros2`

تابع صفرها دو(r: صحیح، c: صحیح): تانسور

ماتریس صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

صفرها سه `Zeros3`

تابع صفرها سه(a: صحیح، b: صحیح، c: صحیح): تانسور

تانسور سه‌بعدی صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

صفرها چهار `Zeros4`

تابع صفرها چهار(a: صحیح، b: صحیح، c: صحیح، d: صحیح): تانسور

تانسور چهاربعدی صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

پرشده `Full`

تابع پرشده(shape &: وکتور<صحیح>، x: اعشار۶۴): تانسور

تانسور پر از یک مقدار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

یک‌ها `Ones`

تابع یک‌ها(shape &: وکتور<صحیح>): تانسور

تانسور یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

اسکالر `Scalar`

تابع اسکالر(x: اعشار۶۴): تانسور

تانسور یک‌عنصری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

از آرایه `FromArray`

تابع از آرایه(shape &: وکتور<صحیح>، data &: وکتور<اعشار۳۲>): تانسور

تانسور از شکل و داده‌ی اعشاری ۳۲ بیتی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

بازه گام `Arange`

تابع بازه گام(n: صحیح): تانسور

بردار ۰ تا n منهای یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

همانند `Clone`

تابع همانند(x &: تانسور): تانسور

رونوشت مستقل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

رونوشت در `CopyInto`

تابع رونوشت در(dst &: تانسور، src &: تانسور)

داده را در تانسور هم‌شکل رونوشت می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

آزادسازی `Free`

تابع آزادسازی(x &: تانسور)

تانسور را آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تنظیم همه `SetAll`

تابع تنظیم همه(x &: تانسور، v: اعشار۶۴)

همه‌ی درایه‌ها را یک مقدار می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

هم‌شکل `SameShape`

تابع هم‌شکل(x &: تانسور، y &: تانسور): منطقی

دو تانسور هم‌شکل‌اند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

به ماتریس `ToMatrix`

تابع به ماتریس(x &: تانسور): ماتریس.ماتریس

تانسور دوبعدی به ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

از ماتریس `FromMatrix`

تابع از ماتریس(m &: ماتریس.ماتریس): تانسور

ماتریس به تانسور.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تغییر شکل `Reshape`

تابع تغییر شکل(x &: تانسور، shape &: وکتور<صحیح>): تانسور

رونوشتی با شکل تازه؛ اگر شمار درایه‌ها فرق کند تانسور تهی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

فشردن درجا `SqueezeInPlace`

تابع فشردن درجا(x &: تانسور)

ابعاد با اندازه‌ی یک را درجا حذف می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

گشودن درجا `UnsqueezeInPlace`

تابع گشودن درجا(x &: تانسور، axis: صحیح)

بعدی با اندازه‌ی یک در جای داده‌شده می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

جایگشت `Permute`

تابع جایگشت(x &: تانسور، perm &: وکتور<صحیح>): تانسور

ترتیب ابعاد را عوض می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

برش محور صفر `SliceAxis0`

تابع برش محور صفر(x &: تانسور، start: صحیح، len: صحیح): تانسور

بازه‌ای از بعد نخست.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

باریک‌سازی `Narrow`

تابع باریک‌سازی(x &: تانسور، axis: صحیح، start: صحیح، len: صحیح): تانسور

بازه‌ای از یک بعد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

پیوند دو `Concat2`

تابع پیوند دو(a &: تانسور، b &: تانسور، axis: صحیح): تانسور

دو تانسور را در یک بعد پشت هم می‌گذارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

انباشت دو `Stack2`

تابع انباشت دو(a &: تانسور، b &: تانسور): تانسور

دو تانسور هم‌شکل را در بعد تازه‌ی نخست روی هم می‌گذارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

لایه‌گذاری دوبعدی `Pad2D`

تابع لایه‌گذاری دوبعدی(x &: تانسور، pt: صحیح، pb: صحیح، pl: صحیح، pr: صحیح): تانسور

دو بعد آخر را با صفر لایه‌گذاری می‌کند: بالا، پایین، چپ و راست.

ai-tensor-Index.salam

واردسازی هوش مصنوعی.تانسور

تابع نشان(نام: رشته، ت &: تانسور.تانسور):
    سرچاپ نام، تانسور.به رشته(ت)
پایان

تابع ریشه:
    ناپایا الف := تانسور.بازه گام(۴)
    ناپایا ب := تانسور.پرشده(تانسور.شکل یک(۴)، ۱.۵)
    نشان("بزرگتر"، تانسور.بزرگتر(الف، ب))
    نشان("بزرگتر مساوی"، تانسور.بزرگتر مساوی(الف، تانسور.همانند(الف)))
    نشان("کوچکتر"، تانسور.کوچکتر(الف، ب))
    نشان("کوچکتر مساوی"، تانسور.کوچکتر مساوی(الف، ب))
    نشان("برابری"، تانسور.ماسک برابری(الف، الف))
    نشان("نابرابری"، تانسور.ماسک نابرابری(الف، ب))
    نشان("از عدد"، تانسور.بزرگتر از عدد(الف، ۱.۰))
    نشان("کمتر از عدد"، تانسور.کوچکتر از عدد(الف، ۱.۰))
    نشان("یکسان با عدد"، تانسور.یکسان با عدد(الف، ۲.۰))
    ناپایا شرط := تانسور.بزرگتر(الف، ب)
    نشان("کجا"، تانسور.کجا(شرط، الف، تانسور.قرینه(الف)))
    نشان("پرکردن"، تانسور.پرکردن ماسک‌شده(الف، شرط، -۱.۰))

    ناپایا ماتریسی := تانسور.تغییر شکل(تانسور.بازه گام(۶)، تانسور.شکل دو(۳، ۲))
    ناپایا شماره‌ها := وکتور {} برگردان وکتور<صحیح>
    شماره‌ها.بیفزا(۲)
    شماره‌ها.بیفزا(۰)
    نشان("انتخاب"، تانسور.انتخاب نمایه(ماتریسی، ۰، شماره‌ها))
    نشان("ردیف‌ها"، تانسور.گرفتن ردیف‌ها(ماتریسی، شماره‌ها))
    ناپایا جاها := تانسور.صفرها دو(۳، ۱)
    جاها.تنظیم در(۰، ۱.۰)
    نشان("گردآوری"، تانسور.گردآوری(ماتریسی، ۱، جاها))
    ناپایا مقصد := تانسور.صفرها دو(۳، ۲)
    سرچاپ تانسور.پراکندن جمعی ردیف‌ها(مقصد، شماره‌ها، تانسور.یک‌ها(تانسور.شکل دو(۲، ۲)))
    نشان("پراکندن"، مقصد)
    نشان("یک‌داغ"، تانسور.یک‌داغ(شماره‌ها، ۳))

    ناپایا نمره := تانسور.تغییر شکل(تانسور.بازه گام(۵)، تانسور.شکل یک(۵))
    ناپایا برترین‌ها := تانسور.تهی()
    نشان("کی برتر"، تانسور.کِی برتر(نمره، ۲، درست، برترین‌ها))
    نشان("جای برترها"، برترین‌ها)
    ناپایا مربعی := تانسور.یک‌ها(تانسور.شکل دو(۳، ۳))
    نشان("مثلث پایین"، تانسور.مثلث پایین(مربعی، ۰))
    نشان("مثلث بالا"، تانسور.مثلث بالا(مربعی، ۱))
    ناپایا شکل پخش := وکتور {} برگردان وکتور<صحیح>
    سرچاپ تانسور.شکل پخش(ماتریسی، تانسور.یک‌ها(تانسور.شکل یک(۲))، شکل پخش)، شکل پخش.طول()، شکل پخش.دریافت(۰)
    نشان("لایه‌گذاری"، تانسور.لایه‌گذاری دوبعدی(تانسور.یک‌ها(تانسور.شکل چهار(۱، ۱، ۱، ۱))، ۱، ۰، ۰، ۱))
پایان

خروجیبزرگتر tensor(4)[0 0 1 1] بزرگتر مساوی tensor(4)[1 1 1 1] کوچکتر tensor(4)[1 1 0 0] کوچکتر مساوی tensor(4)[1 1 0 0] برابری tensor(4)[1 1 1 1] نابرابری tensor(4)[1 1 1 1] از عدد tensor(4)[0 0 1 1] کمتر از عدد tensor(4)[1 0 0 0] یکسان با عدد tensor(4)[0 0 1 0] کجا tensor(4)[0 -1 2 3] پرکردن tensor(4)[0 1 -1 -1] انتخاب tensor(2x2)[4 5 0 1] ردیف‌ها tensor(2x2)[4 5 0 1] گردآوری tensor(3x1)[1 2 4] true پراکندن tensor(3x2)[1 1 0 0 1 1] یک‌داغ tensor(2x3)[0 0 1 1 0 0] کی برتر tensor(2)[4 3] جای برترها tensor(2)[4 3] مثلث پایین tensor(3x3)[1 0 0 1 1 0 1 1 1] مثلث بالا tensor(3x3)[0 1 1 0 0 1 0 0 0] true 2 3 لایه‌گذاری tensor(1x1x2x2)[0 0 1 0]

ترانهاده دوبعدی `Transpose2D`

تابع ترانهاده دوبعدی(x &: تانسور): تانسور

ترانهاده‌ی ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب ماتریسی `MatMul`

تابع ضرب ماتریسی(x &: تانسور، y &: تانسور): تانسور

ضرب ماتریسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب ماتریسی در `MatMulInto`

تابع ضرب ماتریسی در(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

ضرب ماتریسی در تانسور آماده؛ بی تخصیص حافظه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب ماتریسی انباشته `MatMulAcc`

تابع ضرب ماتریسی انباشته(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

حاصل ضرب را به خروجی می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب ترانهاده `TransposeMul`

تابع ضرب ترانهاده(x &: تانسور، y &: تانسور): تانسور

ترانهاده‌ی x ضرب در y، بی ساختن ترانهاده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب در ترانهاده `MulTranspose`

تابع ضرب در ترانهاده(x &: تانسور، y &: تانسور): تانسور

x ضرب در ترانهاده‌ی y.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب ماتریسی دسته‌ای `BatchMatMul`

تابع ضرب ماتریسی دسته‌ای(x &: تانسور، y &: تانسور): تانسور

ضرب ماتریسی برای هر عضو دسته.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب در بردار `MatVec`

تابع ضرب در بردار(a &: تانسور، x &: تانسور): تانسور

ضرب ماتریس در بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ترانهاده خام `TransposeRaw`

تابع ترانهاده خام(px: اعشار۳۲*، n: صحیح، m: صحیح): تانسور

ترانهاده از اشاره‌گر خام به داده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

ضرب انباشته خام `GemmAcc`

تابع ضرب انباشته خام(px: اعشار۳۲*، py: اعشار۳۲*، pr: اعشار۳۲*، n: صحیح، k: صحیح، m: صحیح)

ضرب ماتریسی انباشته روی اشاره‌گرهای خام؛ هسته‌ی سریع بقیه‌ی ضرب‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

ضرب داخلی `Dot`

تابع ضرب داخلی(x &: تانسور، y &: تانسور): اعشار۶۴

ضرب داخلی دو بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

رشته شکل `ShapeString`

تابع رشته شکل(x &: تانسور): رشته

شکل به شکل متن، مثل 2x3.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

به رشته `ToString`

تابع به رشته(x &: تانسور): رشته

تانسور به متن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

چاپ `Print`

تابع چاپ(x &: تانسور)

تانسور را چاپ می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

بیشینه اختلاف مطلق `MaxAbsDiff`

تابع بیشینه اختلاف مطلق(x &: تانسور، y &: تانسور): اعشار۶۴

بیشترین اختلاف درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

همه نزدیک `AllClose`

تابع همه نزدیک(x &: تانسور، y &: تانسور، tol: اعشار۶۴): منطقی

همه‌ی درایه‌ها تا رواداری برابرند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

یکسان `Equal`

تابع یکسان(x &: تانسور، y &: تانسور): منطقی

شکل و درایه‌ها یکی‌اند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

شکل پخش `BroadcastShape`

تابع شکل پخش(a &: تانسور، b &: تانسور، out &: وکتور<صحیح>): منطقی

شکل حاصل پخش دو تانسور؛ اگر ناسازگار باشند، نادرست.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

گسترش `Expand`

تابع گسترش(x &: تانسور، shape &: وکتور<صحیح>): تانسور

تانسور را با پخش به شکل بزرگ‌تر گسترش می‌دهد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

بزرگتر `Greater`

تابع بزرگتر(a &: تانسور، b &: تانسور): تانسور

ماسک یک و صفر برای a بزرگتر از b.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

بزرگتر مساوی `GreaterEqual`

تابع بزرگتر مساوی(a &: تانسور، b &: تانسور): تانسور

ماسک برای بزرگتر یا مساوی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

کوچکتر `Less`

تابع کوچکتر(a &: تانسور، b &: تانسور): تانسور

ماسک برای کوچکتر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

کوچکتر مساوی `LessEqual`

تابع کوچکتر مساوی(a &: تانسور، b &: تانسور): تانسور

ماسک برای کوچکتر یا مساوی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

ماسک برابری `EqualMask`

تابع ماسک برابری(a &: تانسور، b &: تانسور): تانسور

ماسک برای برابری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

ماسک نابرابری `NotEqualMask`

تابع ماسک نابرابری(a &: تانسور، b &: تانسور): تانسور

ماسک برای نابرابری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

بزرگتر از عدد `GreaterScalar`

تابع بزرگتر از عدد(x &: تانسور، s: اعشار۶۴): تانسور

ماسک برای درایه‌های بزرگتر از عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

کوچکتر از عدد `LessScalar`

تابع کوچکتر از عدد(x &: تانسور، s: اعشار۶۴): تانسور

ماسک برای درایه‌های کوچکتر از عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

یکسان با عدد `EqualScalar`

تابع یکسان با عدد(x &: تانسور، s: اعشار۶۴): تانسور

ماسک برای درایه‌های برابر عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

کجا `Where`

تابع کجا(cond &: تانسور، a &: تانسور، b &: تانسور): تانسور

جایی که شرط یک است از a، وگرنه از b.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

پرکردن ماسک‌شده `MaskedFill`

تابع پرکردن ماسک‌شده(x &: تانسور، mask &: تانسور، value: اعشار۶۴): تانسور

جاهای ماسک‌شده را با مقدار پر می‌کند؛ مثلاً منفی بی‌نهایت در ماسک توجه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

انتخاب نمایه `IndexSelect`

تابع انتخاب نمایه(x &: تانسور، axis: صحیح، ids &: وکتور<صحیح>): تانسور

بخش‌هایی از یک بعد با شماره‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

گرفتن ردیف‌ها `TakeRows`

تابع گرفتن ردیف‌ها(x &: تانسور، ids &: وکتور<صحیح>): تانسور

سطرها با شماره‌ها؛ مثل جدول جاسازی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

گردآوری `Gather`

تابع گردآوری(x &: تانسور، axis: صحیح، idx &: تانسور): تانسور

در یک بعد، درایه‌ها را با تانسور شماره‌ها برمی‌دارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

پراکندن جمعی ردیف‌ها `ScatterAddRows`

تابع پراکندن جمعی ردیف‌ها(dst &: تانسور، ids &: وکتور<صحیح>، src &: تانسور): منطقی

سطرهای منبع را به سطرهای شماره‌دار مقصد می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

یک‌داغ `OneHot`

تابع یک‌داغ(ids &: وکتور<صحیح>، classes: صحیح): تانسور

بردارهای یک‌داغ برای شماره‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

کِی برتر `TopK`

تابع کِی برتر(x &: تانسور، k: صحیح، largest: منطقی، idx_out &: تانسور): تانسور

k مقدار بزرگ‌ترین یا کوچک‌ترین و جایشان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

مثلث پایین `Tril`

تابع مثلث پایین(x &: تانسور، diagonal: صحیح): تانسور

مثلث پایین؛ بقیه صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

مثلث بالا `Triu`

تابع مثلث بالا(x &: تانسور، diagonal: صحیح): تانسور

مثلث بالا.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Index.salam

جمع تجمعی `Cumsum`

تابع جمع تجمعی(x &: تانسور، axis: صحیح): تانسور

جمع تجمعی در یک بعد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

مولد تصادفی جدید `NewRng`

تابع مولد تصادفی جدید(seed: صحیح۶۴): مولد تصادفی

مولد با بذر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

بذر مشتق `DeriveSeed`

تابع بذر مشتق(seed: صحیح۶۴، index: صحیح۶۴): صحیح۶۴

بذر مستقل برای کار شماره‌ی i از یک بذر اصلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

پر کردن یکنواخت `FillUniform`

تابع پر کردن یکنواخت(t &: تانسور، lo: اعشار۶۴، hi: اعشار۶۴، g &: مولد تصادفی)

با توزیع یکنواخت پر می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

پر کردن نرمال `FillNormal`

تابع پر کردن نرمال(t &: تانسور، mean: اعشار۶۴، std: اعشار۶۴، g &: مولد تصادفی)

با توزیع نرمال پر می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

پر کردن برنولی `FillBernoulli`

تابع پر کردن برنولی(t &: تانسور، p: اعشار۶۴، g &: مولد تصادفی)

با احتمال p یک و وگرنه صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

تصادفی یکنواخت `RandUniform`

تابع تصادفی یکنواخت(shape &: وکتور<صحیح>، lo: اعشار۶۴، hi: اعشار۶۴، seed: صحیح۶۴): تانسور

تانسور تصادفی یکنواخت با بذر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

تصادفی نرمال `RandNormal`

تابع تصادفی نرمال(shape &: وکتور<صحیح>، seed: صحیح۶۴): تانسور

تانسور تصادفی نرمال با بذر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Random.salam

جمع `Add`

تابع جمع(x &: تانسور، y &: تانسور): تانسور

جمع با پخش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تفریق `Sub`

تابع تفریق(x &: تانسور، y &: تانسور): تانسور

تفریق با پخش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب درایه‌ای `Mul`

تابع ضرب درایه‌ای(x &: تانسور، y &: تانسور): تانسور

ضرب درایه‌ای با پخش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تقسیم درایه‌ای `Div`

تابع تقسیم درایه‌ای(x &: تانسور، y &: تانسور): تانسور

تقسیم درایه‌ای با پخش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

جمع در `AddInto`

تابع جمع در(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

جمع درون تانسوری آماده؛ هر سه باید هم‌شکل باشند وگرنه نادرست برمی‌گرداند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تفریق در `SubInto`

تابع تفریق در(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

تفریق در تانسور آماده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب در `MulInto`

تابع ضرب در(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

ضرب درایه‌ای در تانسور آماده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تقسیم در `DivInto`

تابع تقسیم در(x &: تانسور، y &: تانسور، out &: تانسور): منطقی

تقسیم درایه‌ای در تانسور آماده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

جمع با عدد `AddScalar`

تابع جمع با عدد(x &: تانسور، s: اعشار۶۴): تانسور

عدد را به همه می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تفریق عدد `SubScalar`

تابع تفریق عدد(x &: تانسور، s: اعشار۶۴): تانسور

عدد را از همه کم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

مقیاس `Scale`

تابع مقیاس(x &: تانسور، s: اعشار۶۴): تانسور

همه را در عدد ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تقسیم با عدد `DivScalar`

تابع تقسیم با عدد(x &: تانسور، s: اعشار۶۴): تانسور

همه را بر عدد تقسیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

قرینه `Neg`

تابع قرینه(x &: تانسور): تانسور

قرینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

جمع درجا `AddInPlace`

تابع جمع درجا(dst &: تانسور، src &: تانسور)

جمع در جا؛ اگر شکل‌ها فرق کنند کاری نمی‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تفریق درجا `SubInPlace`

تابع تفریق درجا(dst &: تانسور، src &: تانسور)

درجا کم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ضرب درجا `MulInPlace`

تابع ضرب درجا(dst &: تانسور، src &: تانسور)

درجا ضرب درایه‌ای می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

مقیاس درجا `ScaleInPlace`

تابع مقیاس درجا(dst &: تانسور، s: اعشار۶۴)

درجا در عدد ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

جمع عدد درجا `AddScalarInPlace`

تابع جمع عدد درجا(dst &: تانسور، s: اعشار۶۴)

درجا عدد می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

جمع مقیاس‌دار `AddScaled`

تابع جمع مقیاس‌دار(dst &: تانسور، src &: تانسور، alpha: اعشار۶۴)

مقصد را با آلفا ضرب در منبع جمع می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

نمایی `Exp`

تابع نمایی(x &: تانسور): تانسور

نمایی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

لگاریتم `Log`

تابع لگاریتم(x &: تانسور): تانسور

لگاریتم طبیعی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

تانژانت هذلولی `Tanh`

تابع تانژانت هذلولی(x &: تانسور): تانسور

تانژانت هذلولی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

سیگموئید `Sigmoid`

تابع سیگموئید(x &: تانسور): تانسور

سیگموئید، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

یکسوساز `Relu`

تابع یکسوساز(x &: تانسور): تانسور

یکسوساز، یعنی بیشینه‌ی صفر و x، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

گلو `Gelu`

تابع گلو(x &: تانسور): تانسور

GELU، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

ریشه دوم `Sqrt`

تابع ریشه دوم(x &: تانسور): تانسور

ریشه‌ی دوم، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

قدر مطلق `Abs`

تابع قدر مطلق(x &: تانسور): تانسور

قدر مطلق، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

مربع `Square`

تابع مربع(x &: تانسور): تانسور

مربع، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

سیلو `Silu`

تابع سیلو(x &: تانسور): تانسور

SiLU، یعنی x ضرب در سیگموئید x، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

توان عددی `PowScalar`

تابع توان عددی(x &: تانسور، p: اعشار۶۴): تانسور

توان درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Math.salam

برش `Clip`

تابع برش(x &: تانسور، lo: اعشار۶۴، hi: اعشار۶۴): تانسور

درایه‌ها را به بازه محدود می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-tensor-Create.salam

تانسور ai.tensor

یک لایه‌ی خطی با دست

یکسان کردن مقیاس ویژگی‌ها

پیدا کردن نزدیک‌ترین بردارها

تغییر شکل، برش و ماسک

چیزهایی که باید حواستان باشد

گونه‌ها

تانسور Tensor

رتبه rank

شمار درایه‌ها numel

بعد dim

تهی است is_empty

هم‌شکل same_shape

عنصر at

تنظیم در set_at

افزودن در add_at

در دو at2

تنظیم در دو set_at2

تغییر شکل درجا reshape_

عملگر جمع operator_add

عملگر تفریق operator_sub

عملگر ضرب operator_mul

عملگر تقسیم operator_div

آزادسازی free

مولد تصادفی Rng

بیت بعدی next_bits

اعشاری بعدی next_float

نرمال بعدی next_normal

پایاها و متغیرها

رواداری تانسور TSR_TOL

تابع‌ها

تنظیم نخ‌ها SetThreads

نخ‌ها Threads

نوشتن تانسور WriteTensor

خواندن تانسور ReadTensor

اندازه خروجی پیچش ConvOutSize

تصویر به ستون Im2Col

ستون به تصویر انباشته Col2ImAcc

پیچش دوبعدی پیشرو Conv2DForward

بیشینه‌گیری دوبعدی پیشرو MaxPool2DForward

میانگین‌گیری دوبعدی پیشرو AvgPool2DForward

مجموع همه SumAll

میانگین همه MeanAll

بیشینه همه MaxAll

کمینه همه MinAll

نمایه بیشینه همه ArgMaxAll

مجموع محور SumAxis

میانگین محور MeanAxis

بیشینه محور MaxAxis

نمایه بیشینه محور ArgMaxAxis

بیشینه نرم Softmax

لگاریتم بیشینه نرم LogSoftmax

تهی Empty

شکل یک Shape1

شکل دو Shape2

شکل سه Shape3

شکل چهار Shape4

صفرها Zeros

صفرها یک Zeros1

صفرها دو Zeros2

صفرها سه Zeros3

صفرها چهار Zeros4

پرشده Full

یک‌ها Ones

اسکالر Scalar

از آرایه FromArray

بازه گام Arange

همانند Clone

رونوشت در CopyInto

آزادسازی Free

تنظیم همه SetAll

هم‌شکل SameShape

به ماتریس ToMatrix

از ماتریس FromMatrix

تغییر شکل Reshape

فشردن درجا SqueezeInPlace

گشودن درجا UnsqueezeInPlace

جایگشت Permute

برش محور صفر SliceAxis0

باریک‌سازی Narrow

تانسور `ai.tensor`

تانسور `Tensor`

رتبه `rank`

شمار درایه‌ها `numel`

بعد `dim`

تهی است `is_empty`

هم‌شکل `same_shape`

عنصر `at`

تنظیم در `set_at`

افزودن در `add_at`

در دو `at2`

تنظیم در دو `set_at2`

تغییر شکل درجا `reshape_`

عملگر جمع `operator_add`

عملگر تفریق `operator_sub`

عملگر ضرب `operator_mul`

عملگر تقسیم `operator_div`

آزادسازی `free`

مولد تصادفی `Rng`

بیت بعدی `next_bits`

اعشاری بعدی `next_float`

نرمال بعدی `next_normal`

رواداری تانسور `TSR_TOL`

تنظیم نخ‌ها `SetThreads`

نخ‌ها `Threads`

نوشتن تانسور `WriteTensor`

خواندن تانسور `ReadTensor`

اندازه خروجی پیچش `ConvOutSize`

تصویر به ستون `Im2Col`

ستون به تصویر انباشته `Col2ImAcc`

پیچش دوبعدی پیشرو `Conv2DForward`

بیشینه‌گیری دوبعدی پیشرو `MaxPool2DForward`

میانگین‌گیری دوبعدی پیشرو `AvgPool2DForward`

مجموع همه `SumAll`

میانگین همه `MeanAll`

بیشینه همه `MaxAll`

کمینه همه `MinAll`

نمایه بیشینه همه `ArgMaxAll`

مجموع محور `SumAxis`

میانگین محور `MeanAxis`

بیشینه محور `MaxAxis`

نمایه بیشینه محور `ArgMaxAxis`

بیشینه نرم `Softmax`

لگاریتم بیشینه نرم `LogSoftmax`

تهی `Empty`

شکل یک `Shape1`

شکل دو `Shape2`

شکل سه `Shape3`

شکل چهار `Shape4`

صفرها `Zeros`

صفرها یک `Zeros1`

صفرها دو `Zeros2`

صفرها سه `Zeros3`

صفرها چهار `Zeros4`

پرشده `Full`

یک‌ها `Ones`

اسکالر `Scalar`

از آرایه `FromArray`

بازه گام `Arange`

همانند `Clone`

رونوشت در `CopyInto`

آزادسازی `Free`

تنظیم همه `SetAll`

هم‌شکل `SameShape`

به ماتریس `ToMatrix`

از ماتریس `FromMatrix`

تغییر شکل `Reshape`

فشردن درجا `SqueezeInPlace`

گشودن درجا `UnsqueezeInPlace`

جایگشت `Permute`

برش محور صفر `SliceAxis0`

باریک‌سازی `Narrow`

پیوند دو `Concat2`

انباشت دو `Stack2`

لایه‌گذاری دوبعدی `Pad2D`

ترانهاده دوبعدی `Transpose2D`

ضرب ماتریسی `MatMul`

ضرب ماتریسی در `MatMulInto`

ضرب ماتریسی انباشته `MatMulAcc`

ضرب ترانهاده `TransposeMul`