DML_GATHER_ND_OPERATOR_DESC-Struktur (directml.h)

Sammelt Elemente aus dem Eingabe tensor, wobei der Indizes-Tensor verwendet wird, um Indizes ganzen Teilblöcken der Eingabe neu zuzuordnen. Dieser Operator führt den folgenden Pseudocode aus, wobei "..." stellt eine Reihe von Koordinaten dar, wobei das genaue Verhalten von der Anzahl der Eingabe- und Indizesdimensionen abhängt.

output[...] = input[indices[...]]

Syntax

struct DML_GATHER_ND_OPERATOR_DESC {
  const DML_TENSOR_DESC *InputTensor;
  const DML_TENSOR_DESC *IndicesTensor;
  const DML_TENSOR_DESC *OutputTensor;
  UINT                  InputDimensionCount;
  UINT                  IndicesDimensionCount;
};

Member

InputTensor

Typ: const DML_TENSOR_DESC*

Der Tensor, aus dem gelesen werden soll.

IndicesTensor

Typ: const DML_TENSOR_DESC*

Der Tensor, der die Indizes enthält. Die DimensionCount dieses Tensors muss mit InputTensor.DimensionCount übereinstimmen. Die letzte Dimension des IndicesTensor ist tatsächlich die Anzahl der Koordinaten pro Indextupel und darf InputTensor.DimensionCount nicht überschreiten. Beispielsweise bedeutet ein Indices tensor von Sizes{1,4,5,2} mit IndicesDimensionCount = 3 ein 4x5-Array von Tupeln mit 2 Koordinaten, das in InputTensor indiziert wird.

DML_FEATURE_LEVEL_3_0Ab unterstützt dieser Operator negative Indexwerte, wenn ein integraler Vorzeichentyp mit diesem Tensor verwendet wird. Negative Indizes werden als relativ zum Ende der jeweiligen Dimension interpretiert. Beispielsweise bezieht sich ein Index von -1 auf das letzte Element entlang dieser Dimension.

OutputTensor

Typ: const DML_TENSOR_DESC*

Der Tensor, in den die Ergebnisse geschrieben werden sollen. DimensionCount und DataType dieses Tensors müssen mit InputTensor.DimensionCount übereinstimmen. Die erwarteten OutputTensor.Sizes sind die Verkettung der führenden Segmente "IndicesTensor.Sizes " und "InputTensor.Sizes " nach dem folgenden Segment:

indexTupleSize = IndicesTensor.Sizes[IndicesTensor.DimensionCount - 1]
OutputTensor.Sizes = {
    1...,
    IndicesTensor.Sizes[(IndicesTensor.DimensionCount - IndicesDimensionCount) .. (IndicesTensor.DimensionCount - 1)],
    InputTensor.Sizes[(InputTensor.DimensionCount - indexTupleSize) .. InputTensor.DimensionCount]
}

Die Ausgabedimensionen sind rechtsbündig ausgerichtet, wobei führende 1 Werte bei Bedarf vorangestellt werden, um outputTensor.DimensionCount zu erfüllen.

Hier sehen Sie ein Beispiel.

InputTensor.Sizes = {3,4,5,6,7}
InputDimensionCount = 5
IndicesTensor.Sizes = {1,1, 1,2,3}
IndicesDimensionCount = 3 // can be thought of as a {1,2} array of 3-coordinate tuples

// The {1,2} comes from the indices tensor (ignoring last dimension which is the tuple size),
// and the {6,7} comes from input tensor, ignoring the first 3 dimensions
// since the index tuples are 3 elements (from the indices tensor last dimension).
OutputTensor.Sizes = {1, 1,2,6,7}

InputDimensionCount

Typ: UINT

Die Anzahl der tatsächlichen Eingabedimensionen innerhalb des InputTensor nach dem Ignorieren irrelevanter führender Dimensionen im Bereich [1, *InputTensor.DimensionCount*]von . Bei EingabeTensor.Sizes = {1,1,4,6} und InputDimensionCount = 3 sind {1,4,6}die tatsächlichen aussagekräftigen Indizes beispielsweise .

IndicesDimensionCount

Typ: UINT

Die Anzahl der tatsächlichen Indexdimensionen innerhalb des IndicesTensor nach dem Ignorieren irrelevanter führender Dimensionen im Bereich [1, IndicesTensor.DimensionCount]. Bei IndicesTensor.Sizes = {1,1,4,6} und IndicesDimensionCount = 3 sind {1,4,6}die tatsächlichen aussagekräftigen Indizes beispielsweise .

Beispiele

Beispiel 1: 1D-Neuzuordnung

InputDimensionCount: 2
IndicesDimensionCount: 2

InputTensor: (Sizes:{2,2}, DataType:FLOAT32)
    [[0,1],[2,3]]

IndicesTensor: (Sizes:{2,1}, DataType:UINT32)
    [[1],[0]]

// output[y, x] = input[indices[y], x]
OutputTensor: (Sizes:{2,2}, DataType:FLOAT32)
    [[2,3],[0,1]]

Beispiel 2: 2D-Neuzuordnung

InputDimensionCount: 3
IndicesDimensionCount: 2

InputTensor: (Sizes:{1, 2,2,2}, DataType:FLOAT32)
    [ [[[0,1],[2,3]],[[4,5],[6,7]]] ]

IndicesTensor: (Sizes:{1,1, 2,2}, DataType:UINT32)
    [[ [[0,1],[1,0]] ]]

// output[y, x] = input[indices[y, 0], indices[y, 1], x]
OutputTensor: (Sizes:{1,1, 2,2}, DataType:FLOAT32)
    [[ [[2,3],[4,5]] ]]

Hinweise

Eine neuere Version dieses Operators, DML_OPERATOR_GATHER_ND1, wurde in DML_FEATURE_LEVEL_3_0eingeführt.

Verfügbarkeit

Dieser Operator wurde in DML_FEATURE_LEVEL_2_1eingeführt.

Tensoreinschränkungen

• IndicesTensor, InputTensor und OutputTensor müssen dieselbe DimensionCount aufweisen.
• InputTensor und OutputTensor müssen denselben Datentyp aufweisen.

Tensorunterstützung

DML_FEATURE_LEVEL_4_1 und höher

Tensor	Variante	Unterstützte Dimensionsanzahl	Unterstützte Datentypen
InputTensor	Eingabe	1 bis 8	FLOAT64, FLOAT32, FLOAT16, INT64, INT32, INT16, INT8, UINT64, UINT32, UINT16, UINT8
IndicesTensor	Eingabe	1 bis 8	INT64, INT32, UINT64, UINT32
OutputTensor	Ausgabe	1 bis 8	FLOAT64, FLOAT32, FLOAT16, INT64, INT32, INT16, INT8, UINT64, UINT32, UINT16, UINT8

DML_FEATURE_LEVEL_3_0 und höher

Tensor	Variante	Unterstützte Dimensionsanzahl	Unterstützte Datentypen
InputTensor	Eingabe	1 bis 8	FLOAT32, FLOAT16, INT32, INT16, INT8, UINT32, UINT16, UINT8
IndicesTensor	Eingabe	1 bis 8	INT64, INT32, UINT64, UINT32
OutputTensor	Ausgabe	1 bis 8	FLOAT32, FLOAT16, INT32, INT16, INT8, UINT32, UINT16, UINT8

DML_FEATURE_LEVEL_2_1 und höher

Tensor	Variante	Unterstützte Dimensionsanzahl	Unterstützte Datentypen
InputTensor	Eingabe	4	FLOAT32, FLOAT16, INT32, INT16, INT8, UINT32, UINT16, UINT8
IndicesTensor	Eingabe	4	UINT32
OutputTensor	Ausgabe	4	FLOAT32, FLOAT16, INT32, INT16, INT8, UINT32, UINT16, UINT8

Anforderungen

Anforderung	Wert
Unterstützte Mindestversion (Client)	Windows 10 Build 20348
Unterstützte Mindestversion (Server)	Windows 10 Build 20348
Kopfzeile	directml.h