Bagikan melalui


TensorPrimitives.Dot Metode

Definisi

Overload

Dot(ReadOnlySpan<Single>, ReadOnlySpan<Single>)

Menghitung produk titik dari dua tensor yang berisi angka floating-point presisi tunggal.

Dot<T>(ReadOnlySpan<T>, ReadOnlySpan<T>)

Menghitung produk titik dari dua tensor yang berisi angka.

Dot(ReadOnlySpan<Single>, ReadOnlySpan<Single>)

Sumber:
TensorPrimitives.cs
Sumber:
TensorPrimitives.Single.cs

Menghitung produk titik dari dua tensor yang berisi angka floating-point presisi tunggal.

public:
 static float Dot(ReadOnlySpan<float> x, ReadOnlySpan<float> y);
public static float Dot (ReadOnlySpan<float> x, ReadOnlySpan<float> y);
static member Dot : ReadOnlySpan<single> * ReadOnlySpan<single> -> single
Public Shared Function Dot (x As ReadOnlySpan(Of Single), y As ReadOnlySpan(Of Single)) As Single

Parameter

x
ReadOnlySpan<Single>

Tensor pertama, direpresentasikan sebagai rentang.

y
ReadOnlySpan<Single>

Tensor kedua, direpresentasikan sebagai rentang.

Mengembalikan

Produk titik.

Pengecualian

Panjang x harus sama dengan panjang y.

Keterangan

Metode ini secara efektif menghitung setara dengan: Span<float> products = ...; TensorPrimitives.Multiply(x, y, products); float result = TensorPrimitives.Sum(products); tetapi tanpa memerlukan penyimpanan sementara tambahan untuk produk perantara. Ini sesuai dengan metode dot yang ditentukan oleh BLAS1.

Jika salah satu elemen input sama dengan NaN, nilai yang dihasilkan juga NaN.

Metode ini dapat memanggil runtime C yang mendasarinya atau menggunakan instruksi khusus untuk arsitektur saat ini. Hasil yang tepat mungkin berbeda antara sistem operasi atau arsitektur yang berbeda.

Berlaku untuk

Dot<T>(ReadOnlySpan<T>, ReadOnlySpan<T>)

Sumber:
TensorPrimitives.Dot.cs

Menghitung produk titik dari dua tensor yang berisi angka.

public:
generic <typename T>
 where T : System::Numerics::IAdditionOperators<T, T, T>, System::Numerics::IAdditiveIdentity<T, T>, System::Numerics::IMultiplyOperators<T, T, T>, System::Numerics::IMultiplicativeIdentity<T, T> static T Dot(ReadOnlySpan<T> x, ReadOnlySpan<T> y);
public static T Dot<T> (ReadOnlySpan<T> x, ReadOnlySpan<T> y) where T : System.Numerics.IAdditionOperators<T,T,T>, System.Numerics.IAdditiveIdentity<T,T>, System.Numerics.IMultiplyOperators<T,T,T>, System.Numerics.IMultiplicativeIdentity<T,T>;
static member Dot : ReadOnlySpan<'T (requires 'T :> System.Numerics.IAdditionOperators<'T, 'T, 'T> and 'T :> System.Numerics.IAdditiveIdentity<'T, 'T> and 'T :> System.Numerics.IMultiplyOperators<'T, 'T, 'T> and 'T :> System.Numerics.IMultiplicativeIdentity<'T, 'T>)> * ReadOnlySpan<'T (requires 'T :> System.Numerics.IAdditionOperators<'T, 'T, 'T> and 'T :> System.Numerics.IAdditiveIdentity<'T, 'T> and 'T :> System.Numerics.IMultiplyOperators<'T, 'T, 'T> and 'T :> System.Numerics.IMultiplicativeIdentity<'T, 'T>)> -> 'T (requires 'T :> System.Numerics.IAdditionOperators<'T, 'T, 'T> and 'T :> System.Numerics.IAdditiveIdentity<'T, 'T> and 'T :> System.Numerics.IMultiplyOperators<'T, 'T, 'T> and 'T :> System.Numerics.IMultiplicativeIdentity<'T, 'T>)
Public Shared Function Dot(Of T As {IAdditionOperators(Of T, T, T), IAdditiveIdentity(Of T, T), IMultiplyOperators(Of T, T, T), IMultiplicativeIdentity(Of T, T)}) (x As ReadOnlySpan(Of T), y As ReadOnlySpan(Of T)) As T

Jenis parameter

T

Parameter

x
ReadOnlySpan<T>

Tensor pertama, direpresentasikan sebagai rentang.

y
ReadOnlySpan<T>

Tensor kedua, direpresentasikan sebagai rentang.

Mengembalikan

T

Produk titik.

Pengecualian

Panjang x harus sama dengan panjang y.

Keterangan

Metode ini secara efektif menghitung setara dengan: Span<T> products = ...; TensorPrimitives.Multiply(x, y, products); T result = TensorPrimitives.Sum(products); tetapi tanpa memerlukan penyimpanan sementara tambahan untuk produk perantara. Ini sesuai dengan metode dot yang ditentukan oleh BLAS1.

Jika salah satu elemen input sama dengan NaN, nilai yang dihasilkan juga NaN.

Metode ini dapat memanggil runtime C yang mendasarinya atau menggunakan instruksi khusus untuk arsitektur saat ini. Hasil yang tepat mungkin berbeda antara sistem operasi atau arsitektur yang berbeda.

Berlaku untuk