Tensor¶

class onnx_ir.Tensor(value, dtype=None, *, shape=None, name=None, doc_string=None, metadata_props=None)¶

一个不可变的具体张量。

此类是原始张量数据的包装器。原始张量数据可以是与 numpy 数组兼容的对象（例如 np.ndarray、torch.Tensor）或与 DLPack 兼容的对象。张量是不可变的，并且数据在初始化时不会复制。

从 numpy 数组创建张量

>>> import numpy as np
>>> array = np.array([1, 2, 3])
>>> tensor = Tensor(array)
>>> # The tensor itself can be treated as a numpy array because it implements the __array__ method
>>> np.allclose(tensor, array)
True

要从张量获取 numpy 数组，请调用 numpy()。要将张量转换为用于序列化的字节字符串，请调用 tobytes()。

建议在访问底层数据之前先检查张量的大小，因为访问数据可能会很昂贵并产生 I/O 开销。

子类化此类以有效地处理来自不同框架的不同类型的张量。

参数:

value (TArrayCompatible)
dtype (_enums.DataType | None)
shape (Shape | None)
name (str | None)
doc_string (str | None)
metadata_props (dict[str, str] | None)

name¶: 张量的名称。

shape¶: 张量的形状。

dtype¶: 张量元素的 DataTypes。它是一个 ir.DataType 枚举。

doc_string¶: 文档字符串。

raw¶: 此张量背后的原始数据。它可以是任何东西。

size¶: 张量中的元素数量。

nbytes¶: 张量中的字节数。

metadata_props¶: 将序列化到 ONNX 文件中的元数据。

meta¶: 用于图转换传递的元数据存储。

display(*, page=False)¶

漂亮地打印对象。

参数:: page (bool) – 是否分页输出。
返回类型:: 无

property doc_string: str | None¶: 文档字符串。

property dtype: DataType¶: 张量的数据类型。不可变。

property meta: MetadataStore¶

用于中间分析的元数据存储。

如果您希望将元数据序列化到 ONNX proto，请写入 metadata_props。

property metadata_props: dict[str, str]¶

张量的元数据属性。

元数据属性用于存储有关张量的附加信息。与 meta 不同，此属性会序列化到 ONNX proto。

property name: str | None¶: 张量的名称。

property nbytes: int¶: 张量中的字节数。

numpy()[source]¶

将张量作为 numpy 数组返回。

当 numpy 不支持数据类型时，将使用 ml_dtype 包中的 dtypes。可以使用 .view() 方法将值重新解释为位表示。

返回类型:: ndarray

property raw: TArrayCompatible¶: 张量的后端数据。不可变。

property shape: Shape¶: 张量的形状。不可变。

property size: int¶: 张量中的元素数量。

tobytes()[source]¶

以小端编码的字节形式返回值。

当原始值不是 numpy 数组时，覆盖此方法以实现更高效的序列化。

返回类型:: bytes

tofile(file)[source]¶

将张量写入二进制文件。

版本 0.1.11 中新增。

参数:: file – 一个具有接受字节的 write 方法或具有 fileno() 方法的文件类对象。
返回类型:: 无