DirectML

DirectML 기술 개요입니다.

DirectML을 개발하려면 다음 헤더가 필요합니다.

• directml.h

이 기술에 대한 프로그래밍 지침은 다음을 참조하세요.

• DirectML

열거형

DML_AXIS_DIRECTION 연산자에 대해 지정된 축을 따라 연산의 방향을 지정하는 상수를 정의합니다(예: 합계, top-k 요소 선택, 최소 요소 선택).
DML_BINDING_TYPE 바인딩 설명(DML_BINDING_DESC 구조체)에서 참조하는 리소스의 특성을 지정하는 상수를 정의합니다.
DML_CONVOLUTION_DIRECTION DirectML 컨볼루션 연산자의 방향을 지정하는 상수를 정의합니다(DML_CONVOLUTION_OPERATOR_DESC 구조에 설명된 대로).
DML_CONVOLUTION_MODE DirectML 컨볼루션 연산자에 대한 모드를 지정하는 상수를 정의합니다(DML_CONVOLUTION_OPERATOR_DESC 구조에 설명된 대로).
DML_CREATE_DEVICE_FLAGS DMLCreateDevice에 추가 디바이스 만들기 옵션을 제공합니다. 값은 비트 OR일 수 있습니다.
DML_DEPTH_SPACE_ORDER DirectML 연산자 DML_OPERATOR_DEPTH_TO_SPACE1 및 DML_OPERATOR_SPACE_TO_DEPTH1 적용된 변환을 제어하는 상수를 정의합니다.
DML_EXECUTION_FLAGS 연산자 실행을 제어하는 옵션을 DirectML에 제공합니다. 이러한 플래그는 비트 OR를 함께 사용하여 한 번에 여러 플래그를 지정할 수 있습니다.
DML_FEATURE DirectML 디바이스에서 쿼리할 수 있는 선택적 기능 집합을 정의합니다.
DML_FEATURE_LEVEL DirectML 기능 수준을 지정하는 상수를 정의합니다. 기능 수준은 DirectML에서 지원하는 광범위한 기능을 정의합니다.
DML_GRAPH_EDGE_TYPE 그래프 가장자리의 형식을 지정하는 상수를 정의합니다. 이 열거형의 사용은 DML_GRAPH_EDGE_DESC 참조하세요.
DML_GRAPH_NODE_TYPE 그래프 노드의 형식을 지정하는 상수를 정의합니다. 이 열거형의 사용은 DML_GRAPH_NODE_DESC 참조하세요.
DML_INTERPOLATION_MODE DirectML upsample 2-D 연산자에 대한 모드를 지정하는 상수를 정의합니다(DML_UPSAMPLE_2D_OPERATOR_DESC 구조에 설명된 대로).
DML_MATRIX_TRANSFORM DirectML 텐서에 적용할 행렬 변환을 지정하는 상수를 정의합니다.
DML_OPERATOR_TYPE 연산자 설명의 형식을 정의합니다.
DML_PADDING_MODE DirectML 패드 연산자에 대한 모드를 지정하는 상수를 정의합니다(DML_PADDING_OPERATOR_DESC 구조에 설명된 대로).
DML_RANDOM_GENERATOR_TYPE 난수 생성기의 형식을 지정하는 상수를 정의합니다.
DML_RECURRENT_NETWORK_DIRECTION 되풀이 DirectML 연산자에 대한 방향을 지정하는 상수를 정의합니다.
DML_REDUCE_FUNCTION DirectML reduce 연산자에 사용할 특정 감소 알고리즘을 지정하는 상수를 정의합니다(DML_REDUCE_OPERATOR_DESC 구조에 설명된 대로).
DML_TENSOR_DATA_TYPE 텐서에 있는 값의 데이터 형식을 지정합니다. DirectML 연산자는 모든 데이터 형식을 지원하지 않을 수 있습니다. 지원하는 데이터 형식을 찾으려면 각 특정 연산자에 대한 설명서를 참조하세요.
DML_TENSOR_FLAGS 텐서 설명에 추가 옵션을 지정합니다. 값은 비트 OR일 수 있습니다.
DML_TENSOR_TYPE 텐서 설명의 형식을 식별합니다.

Functions

BindInputs 리소스 집합을 입력 텐서로 바인딩합니다.
BindOutputs 리소스 집합을 출력 텐서로 바인딩합니다.
BindPersistentResource 버퍼를 영구 리소스로 바인딩합니다. IDMLDispatchable::GetBindingProperties를 호출하여 이 버퍼 범위의 필요한 크기를 확인할 수 있습니다.
BindTemporaryResource 임시 스크래치 메모리로 사용할 버퍼를 바인딩합니다. IDMLDispatchable::GetBindingProperties를 호출하여 이 버퍼 범위의 필요한 크기를 확인할 수 있습니다.
CheckFeatureSupport DirectML 디바이스에서 지원하는 선택적 기능 및 기능에 대한 정보를 가져옵니다.
CompileGraph DirectML 연산자의 그래프를 GPU에 디스패치할 수 있는 개체로 컴파일합니다.
CompileOperator 연산자를 GPU로 디스패치할 수 있는 개체로 컴파일합니다.
CreateBindingTable 파이프라인에 리소스(예: 텐서)를 바인딩하는 데 사용할 수 있는 개체인 바인딩 테이블을 만듭니다.
CreateCommandRecorder DirectML 명령 레코더를 만듭니다.
CreateOperator DirectML 연산자를 만듭니다.
CreateOperatorInitializer 컴파일된 연산자를 초기화하는 데 사용할 수 있는 개체를 만듭니다.
DMLCreateDevice 지정된 Direct3D 12 디바이스에 대한 DirectML 디바이스를 만듭니다. (DMLCreateDevice)
DMLCreateDevice1 지정된 Direct3D 12 디바이스에 대한 DirectML 디바이스를 만듭니다. (DMLCreateDevice1)
Evict GPU 메모리에서 하나 이상의 페이지 가능한 개체를 제거합니다. IDMLDevice::MakeResident도 참조하세요.
GetBindingProperties 디스패치 가능한 개체(연산자 이니셜라이저 또는 컴파일된 연산자)에 대한 바인딩 속성을 검색합니다.
GetDevice 이 개체를 만드는 데 사용된 DirectML 디바이스를 검색합니다.
GetDeviceRemovedReason DirectML 디바이스가 제거된 이유를 검색합니다.
GetParentDevice 이 DirectML 디바이스를 만드는 데 사용된 Direct3D 12 디바이스를 검색합니다.
GetPrivateData DirectML 디바이스 개체에서 애플리케이션 정의 데이터를 가져옵니다.
MakeResident 하나 이상의 페이지가 지정 가능한 개체가 GPU 메모리에 상주하게 합니다. 또한 IDMLDevice::Evict를 참조하세요.
RecordDispatch 명령 목록에 디스패치 가능한 개체(연산자 이니셜라이저 또는 컴파일된 연산자)의 실행을 기록합니다.
Reset 바인딩 테이블을 다시 설정하여 잠재적으로 다른 연산자 또는 이니셜라이저에 대한 새 설명자 범위를 래핑합니다. 이렇게 하면 바인딩 테이블을 동적으로 다시 사용할 수 있습니다.
Reset 새 연산자 집합의 초기화를 처리하도록 이니셜라이저를 다시 설정합니다.
SetMuteDebugOutput DirectML이 메시지를 ID3D12InfoQueue로 보내지 않도록 음소거할지 여부를 결정합니다.
SetName 이름을 DirectML 디바이스 개체와 연결합니다. 이 이름은 디버그 진단 및 도구에 사용하기 위한 것입니다.
SetPrivateData 애플리케이션 정의 데이터를 DirectML 디바이스 개체로 설정하고 해당 데이터를 애플리케이션 정의 GUID와 연결합니다.
SetPrivateDataInterface IUnknown 파생 인터페이스를 DirectML 디바이스 개체와 연결하고 해당 인터페이스를 애플리케이션 정의 GUID와 연결합니다.

인터페이스

IDMLBindingTable 애플리케이션 관리 설명자 힙의 범위를 래핑하고 DirectML에서 리소스에 대한 바인딩을 만드는 데 사용됩니다. 이 개체를 만들려면 IDMLDevice::CreateBindingTable을 호출합니다.
IDMLCommandRecorder DirectML의 디스패치를 Direct3D 12 명령 목록에 기록합니다.
IDMLCompiledOperator GPU에서 실행하기에 적합한 연산자의 컴파일된 효율적인 형식을 나타냅니다. 이 개체를 만들려면 IDMLDevice::CompileOperator를 호출합니다.
IDMLDebugDevice DirectML 디버그 계층을 제어합니다.
IDMLDevice 연산자, 바인딩 테이블, 명령 레코더 및 기타 개체를 만드는 데 사용되는 DirectML 디바이스를 나타냅니다. (IDMLDevice)
IDMLDevice1 연산자, 바인딩 테이블, 명령 레코더 및 기타 개체를 만드는 데 사용되는 DirectML 디바이스를 나타냅니다. (IDMLDevice1)
IDMLDeviceChild DirectML 디바이스에서 만든 모든 개체에 의해 구현되는 인터페이스입니다.
IDMLDispatchable IDMLCommandRecorder::RecordDispatch를 사용하여 GPU에서 디스패치를 위해 명령 목록에 기록할 수 있는 개체에 의해 구현됩니다.
IDMLObject IDMLDevice 및 IDMLDeviceChild가 직접 상속하는 인터페이스(및 다른 모든 인터페이스는 간접적으로).
IDMLOperator DirectML 연산자를 나타냅니다.
IDMLOperatorInitializer 컴파일된 연산자를 초기화하는 데 목적이 있는 특수화된 개체를 나타냅니다. 이 개체의 인스턴스를 만들려면 IDMLDevice::CreateOperatorInitializer를 호출합니다.
IDMLPageable GPU 메모리에서 제거할 수 있고 IDMLDevice::Evict 및 IDMLDevice::MakeResident에 제공할 수 있는 개체에 의해 구현됩니다.

구조체

DML_ACTIVATION_CELU_OPERATOR_DESC InputTensor의 모든 요소에서 지속적으로 다른 CELU(지수 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_ELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 ELU(지수 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_HARD_SIGMOID_OPERATOR_DESC InputTensor의 모든 요소에 대해 하드 시그모이드 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_HARDMAX_OPERATOR_DESC InputTensor의 각 요소에 대해 hardmax 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_IDENTITY_OPERATOR_DESC ID 활성화를 수행하여 InputTensor 의 모든 요소를 OutputTensor의 해당 요소에 효과적으로 복사합니다.
DML_ACTIVATION_LEAKY_RELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 새는 ReLU(정류 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_LINEAR_OPERATOR_DESC InputTensor의 모든 요소에 대해 선형 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_LOG_SOFTMAX_OPERATOR_DESC InputTensor의 각 요소에 대해 (자연스러운) 소프트맥스 로그 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_PARAMETERIZED_RELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 매개 변수가 있는 ReLU(정류 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_PARAMETRIC_SOFTPLUS_OPERATOR_DESC InputTensor의 모든 요소에 대해 매개 변수 메트릭 softplus 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다. (DML_ACTIVATION_PARAMETRIC_SOFTPLUS_OPERATOR_DESC)
DML_ACTIVATION_RELU_GRAD_OPERATOR_DESC ReLU(정류 선형 단위)에 대한 백프로포지션 그라데이션을 계산합니다.
DML_ACTIVATION_RELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 ReLU(정정 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SCALED_ELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 스케일링된 ELU(지수 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SCALED_TANH_OPERATOR_DESC InputTensor의 모든 요소에 대해 스케일링된 하이퍼볼릭 탄젠트 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SHRINK_OPERATOR_DESC InputTensor의 모든 요소에 대해 축소 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SIGMOID_OPERATOR_DESC InputTensor의 모든 요소에 대해 sigmoid 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SOFTMAX_OPERATOR_DESC InputTensor에서 softmax 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_SOFTPLUS_OPERATOR_DESC InputTensor의 모든 요소에 대해 매개 변수 메트릭 softplus 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다. (DML_ACTIVATION_SOFTPLUS_OPERATOR_DESC)
DML_ACTIVATION_SOFTSIGN_OPERATOR_DESC InputTensor의 모든 요소에 대해 softsign 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_TANH_OPERATOR_DESC InputTensor의 모든 요소에 대해 쌍곡선 탄젠트 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ACTIVATION_THRESHOLDED_RELU_OPERATOR_DESC InputTensor의 모든 요소에 대해 임계값이 지정된 ReLU(정류 선형 단위) 활성화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ADAM_OPTIMIZER_OPERATOR_DESC Adam(ADAptiveM오멘트 추정) 알고리즘을 기반으로 제공된 그라데이션을 사용하여 업데이트된 가중치(매개 변수)를 계산합니다. 이 연산자는 최적화 프로그램이며 일반적으로 학습 루프의 가중치 업데이트 단계에서 그라데이션 하강을 수행하는 데 사용됩니다.
DML_ARGMAX_OPERATOR_DESC 입력 텐서의 하나 이상의 차원 내에서 최대값 요소의 인덱스를 출력합니다.
DML_ARGMIN_OPERATOR_DESC 입력 텐서의 하나 이상의 차원 내에서 최소값 요소의 인덱스를 출력합니다.
DML_AVERAGE_POOLING_GRAD_OPERATOR_DESC 평균 풀링에 대한 백프로포지션 그라데이션을 계산합니다( DML_AVERAGE_POOLING_OPERATOR_DESC 참조).
DML_AVERAGE_POOLING_OPERATOR_DESC 입력 텐서의 슬라이딩 윈도우 내 요소에 걸쳐 값을 평균합니다.
DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC 일괄 처리 정규화를 위한 백프로포지션 그라데이션을 계산합니다.
DML_BATCH_NORMALIZATION_OPERATOR_DESC DML_BATCH_NORMALIZATION_OPERATOR_DESC 구조체(directml.h)는 입력에서 일괄 처리 정규화를 수행합니다.
DML_BATCH_NORMALIZATION_TRAINING_GRAD_OPERATOR_DESC 일괄 처리 정규화 학습을 위한 백프로포지션 그라데이션을 계산합니다.
DML_BATCH_NORMALIZATION_TRAINING_OPERATOR_DESC DML_BATCH_NORMALIZATION_TRAINING_OPERATOR_DESC 구조체(directml.h)는 입력에서 일괄 처리 정규화를 수행합니다.
DML_BINDING_DESC IDMLBindingTable 메서드 중 하나에 대한 호출을 통해 바인딩 테이블에 추가할 수 있도록 바인딩에 대한 설명을 포함합니다.
DML_BINDING_PROPERTIES 컴파일된 특정 연산자 또는 연산자 이니셜라이저의 바인딩 요구 사항에 대한 정보를 포함합니다. 이 구조체는 IDMLDispatchable::GetBindingProperties에서 검색됩니다.
DML_BINDING_TABLE_DESC IDMLDevice::CreateBindingTable 및 IDMLBindingTable::Reset에 대한 매개 변수를 지정합니다.
DML_BUFFER_ARRAY_BINDING 개별 버퍼 바인딩의 배열인 리소스 바인딩을 지정합니다.
DML_BUFFER_BINDING DIRECT3D 12 버퍼의 바이트 범위로 설명된 리소스 바인딩을 지정합니다. 이 바인딩은 오프셋 및 크기가 ID3D12Resource로 표시됩니다.
DML_BUFFER_TENSOR_DESC Direct3D 12 버퍼 리소스에 저장될 텐서에 대해 설명합니다.
DML_CAST_OPERATOR_DESC 입력의 각 요소를 출력 텐서의 데이터 형식으로 캐스팅하고 결과를 출력의 해당 요소에 저장합니다.
DML_CONVOLUTION_INTEGER_OPERATOR_DESC InputTensor를 사용하여 FilterTensor의 구성을 수행합니다. 이 연산자는 정수 데이터에 대해 정방향 컨볼루션을 수행합니다.
DML_CONVOLUTION_OPERATOR_DESC InputTensor를 사용하여 FilterTensor의 구성을 수행합니다. 이 연산자는 다양한 표준 나선형 구성을 지원합니다.
DML_CUMULATIVE_PRODUCT_OPERATOR_DESC 축을 따라 텐서의 요소를 곱하여 제품의 실행 중인 집계를 출력 텐서에 곱합니다.
DML_CUMULATIVE_SUMMATION_OPERATOR_DESC 축을 따라 텐서의 요소를 합산하여 합계의 실행 집계를 출력 텐서에 기록합니다.
DML_DEPTH_TO_SPACE_OPERATOR_DESC 깊이에서 공간 데이터 블록으로 데이터를 다시 정렬(permutes)합니다. 연산자는 깊이 차원의 값이 공간 블록에서 높이 및 너비 차원으로 이동하는 입력 텐서의 복사본을 출력합니다. (DML_DEPTH_TO_SPACE_OPERATOR_DESC)
DML_DEPTH_TO_SPACE1_OPERATOR_DESC 깊이에서 공간 데이터 블록으로 데이터를 다시 정렬(permutes)합니다. 연산자는 깊이 차원의 값이 공간 블록에서 높이 및 너비 차원으로 이동하는 입력 텐서의 복사본을 출력합니다. (DML_DEPTH_TO_SPACE1_OPERATOR_DESC)
DML_DIAGONAL_MATRIX_OPERATOR_DESC 주 대각선에 있는 ID(또는 기타 명시적 값)를 사용하여 ID와 유사한 행렬을 생성하고 다른 곳에서는 0을 생성합니다.
DML_DYNAMIC_QUANTIZE_LINEAR_OPERATOR_DESC InputTensor를 정량화하는 데 필요한 양자화 배율 및 0포인트 값을 계산한 다음, 해당 양자화를 적용하여 결과를 OutputTensor에 기록합니다.
DML_ELEMENT_WISE_ABS_OPERATOR_DESC InputTensor의 각 요소에 대한 절대값을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ACOS_OPERATOR_DESC InputTensor의 각 요소에 대한 아크코사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ACOSH_OPERATOR_DESC InputTensor의 각 요소에 대한 쌍곡선 아크코사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ADD_OPERATOR_DESC ATensor의 모든 요소를 BTensor의 해당 요소에 추가하여 결과를 OutputTensor의 해당 요소에 배치합니다. (DML_ELEMENT_WISE_ADD_OPERATOR_DESC)
DML_ELEMENT_WISE_ADD1_OPERATOR_DESC ATensor의 모든 요소를 BTensor의 해당 요소에 추가하고 결과를 OutputTensor의 해당 요소에 배치하고 융합 활성화 옵션을 사용합니다.
DML_ELEMENT_WISE_ASIN_OPERATOR_DESC InputTensor의 각 요소에 대한 아크사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ASINH_OPERATOR_DESC InputTensor의 각 요소에 대한 쌍곡선 아크사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ATAN_OPERATOR_DESC InputTensor의 각 요소에 대한 아크탄젠트를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ATAN_YX_OPERATOR_DESC ATensor 및 BTensor의 각 요소에 대해 2 인수 아크탄젠트를 계산합니다. 여기서 ATensor는 Y축이고 BTensor는 X축이므로 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ATANH_OPERATOR_DESC InputTensor의 각 요소에 대한 쌍곡선 아크탄젠트를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_BIT_AND_OPERATOR_DESC 입력 텐서의 각 해당 요소 간에 비트 AND를 계산하고 결과를 출력 텐서에 씁니다.
DML_ELEMENT_WISE_BIT_COUNT_OPERATOR_DESC 입력 텐서의 각 요소에 대한 비트 모집단 수(1로 설정된 비트 수)를 계산하고 결과를 출력 텐서에 씁니다.
DML_ELEMENT_WISE_BIT_NOT_OPERATOR_DESC 입력 텐서의 각 요소에 대해 비트 NOT을 계산하고 결과를 출력 텐서에 씁니다.
DML_ELEMENT_WISE_BIT_OR_OPERATOR_DESC 입력 텐서의 각 해당 요소 간에 비트 OR을 계산하고 결과를 출력 텐서에 씁니다.
DML_ELEMENT_WISE_BIT_SHIFT_LEFT_OPERATOR_DESC BTensor의 해당 요소에서 제공하는 비트 수만큼 ATensor 의 각 요소에 대한 논리적 왼쪽 시프트를 수행하여 결과를 OutputTensor의 해당 요소에 배치 합니다.
DML_ELEMENT_WISE_BIT_SHIFT_RIGHT_OPERATOR_DESC BTensor의 해당 요소에서 제공하는 비트 수만큼 ATensor 의 각 요소에 대한 논리적 오른쪽 이동을 수행하여 결과를 OutputTensor의 해당 요소에 배치 합니다.
DML_ELEMENT_WISE_BIT_XOR_OPERATOR_DESC 입력 텐서의 각 해당 요소 간에 비트 XOR(eXclusive OR)을 계산하고 결과를 출력 텐서에 씁니다.
DML_ELEMENT_WISE_CEIL_OPERATOR_DESC InputTensor의 각 요소에 대한 최대값을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다. x의 천장은 x보다 크거나 같은 가장 작은 정수입니다.
DML_ELEMENT_WISE_CLIP_GRAD_OPERATOR_DESC 요소별 클립에 대한 백프로포지션 그라데이션을 계산합니다.
DML_ELEMENT_WISE_CLIP_GRAD1_OPERATOR_DESC 요소별 클립에 대한 백프로포지션 그라데이션을 계산합니다.
DML_ELEMENT_WISE_CLIP_OPERATOR_DESC InputTensor의 각 요소에 대해 다음 작업을 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다. 이 연산자는 닫힌 간격 [최소, 최대] 내에서 입력의 모든 요소를 클램프(또는 제한)합니다.
DML_ELEMENT_WISE_CLIP1_OPERATOR_DESC InputTensor의 각 요소에 대해 클램핑(또는 제한) 작업을 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_CONSTANT_POW_OPERATOR_DESC InputTensor의 각 요소를 Exponent의 거듭제어로 발생시켜 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_COS_OPERATOR_DESC InputTensor의 각 요소에 대한 삼각 코사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_COSH_OPERATOR_DESC InputTensor의 각 요소에 대한 쌍곡선 코사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_DEQUANTIZE_LINEAR_OPERATOR_DESC ScaleTensor 및 ZeroPointTensor의 해당 요소와 관련하여 InputTensor의 모든 요소에 대해 다음 선형 정수화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_DIFFERENCE_SQUARE_OPERATOR_DESC ATensor의 해당 요소에서 BTensor의 각 요소를 빼고, 결과 자체를 곱하고, 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_DIVIDE_OPERATOR_DESC BTensor의 해당 요소에 대해 ATensor 의 각 요소의 몫을 계산하여 결과를 OutputTensor의 해당 요소에 배치 합니다.
DML_ELEMENT_WISE_ERF_OPERATOR_DESC InputTensor의 각 요소에 대해 Gaussian 오류 함수(erf)를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_EXP_OPERATOR_DESC InputTensor의 각 요소에 자연 지수 함수를 적용하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_FLOOR_OPERATOR_DESC InputTensor의 각 요소에 대한 바닥을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_IDENTITY_OPERATOR_DESC InputTensor의 각 요소에 대한 ID를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_IF_OPERATOR_DESC ConditionTensor의 해당 요소 값에 따라 ATensor 또는 BTensor에서 요소를 선택합니다. ConditionTensor의 0이 아닌 요소는 ATensor에서 선택하고 값이 0인 요소는 BTensor에서 선택합니다.
DML_ELEMENT_WISE_IS_INFINITY_OPERATOR_DESC 지정된 InfinityMode에 따라 InputTensor의 각 요소에서 IEEE-754 -inf, inf 또는 둘 다를 확인하고 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_IS_NAN_OPERATOR_DESC 입력 텐서의 각 요소에 대해 입력이 NaN(IEEE-754에 정의된 대로)이면 1을 반환하고, 그렇지 않으면 0을 반환합니다. 결과는 출력 텐서의 해당 요소에 배치됩니다.
DML_ELEMENT_WISE_LOG_OPERATOR_DESC InputTensor의 각 요소에 대한 base-e(자연) 로그를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_AND_OPERATOR_DESC 입력 텐서의 해당 요소 쌍마다 논리 AND를 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_EQUALS_OPERATOR_DESC 입력 텐서의 해당 요소 쌍마다 논리 같 음 을 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_GREATER_THAN_OPERATOR_DESC 입력 텐서의 해당 요소 쌍 마다 보다 큰 논리를 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_GREATER_THAN_OR_EQUAL_OPERATOR_DESC 입력 텐서의 각 해당 요소 쌍에 대해 보다 크거나 같은 논리를 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_LESS_THAN_OPERATOR_DESC 입력 텐서의 해당 요소 쌍 마다 보다 적은 논리를 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_LESS_THAN_OR_EQUAL_OPERATOR_DESC 입력 텐서의 각 해당 요소 쌍에 대해 보다 작거나 같은 논리를 수행하여 결과(true의 경우 1, false의 경우 0)를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_NOT_OPERATOR_DESC InputTensor의 각 요소에 대해 논리 NOT을 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_OR_OPERATOR_DESC 입력 텐서의 해당 요소 쌍마다 논리 OR을 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_LOGICAL_XOR_OPERATOR_DESC 입력 텐서의 해당 요소 쌍마다 논리 XOR(배타적 또는)를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MAX_OPERATOR_DESC 입력 텐서에서 두 개의 해당 요소를 더 크게 사용하고 결과를 출력 텐서의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MEAN_OPERATOR_DESC 입력 텐서의 해당 요소 쌍을 평균화하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MIN_OPERATOR_DESC 입력 텐서에서 두 개의 해당 요소 중 더 작은 요소를 사용하고 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MODULUS_FLOOR_OPERATOR_DESC 입력 텐서의 각 해당 요소 쌍에 대해 Python 모듈러스와 동일한 결과를 사용하여 모듈러스를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MODULUS_TRUNCATE_OPERATOR_DESC 입력 텐서의 해당 요소 쌍마다 C 모듈러스 연산자를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_MULTIPLY_OPERATOR_DESC 입력 텐서의 각 해당 요소 쌍의 곱을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_NEGATE_OPERATOR_DESC InputTensor의 각 요소를 부정하고 결과를 OutputTensor의 해당 요소에 저장합니다.
DML_ELEMENT_WISE_POW_OPERATOR_DESC ExponentTensor의 해당 요소에 대해 발생한 InputTensor의 각 요소를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_QUANTIZE_LINEAR_OPERATOR_DESC ScaleTensor 및 ZeroPointTensor의 해당 요소와 관련하여 InputTensor의 모든 요소에 대해 다음 선형 양자화 함수를 수행하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_QUANTIZED_LINEAR_ADD_OPERATOR_DESC ATensor의 모든 요소를 BTensor의 해당 요소에 추가하여 결과를 OutputTensor의 해당 요소에 배치합니다. (DML_ELEMENT_WISE_QUANTIZED_LINEAR_ADD_OPERATOR_DESC)
DML_ELEMENT_WISE_RECIP_OPERATOR_DESC 입력 텐서의 각 요소에 대한 상호 계산을 수행하여 결과를 출력 텐서의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_ROUND_OPERATOR_DESC InputTensor의 각 요소를 정수 값으로 반올림하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_SIGN_OPERATOR_DESC OutputTensor의 해당 요소에 결과를 배치하여 InputTensor의 각 요소의 기호를 나타내는 값을 반환합니다.
DML_ELEMENT_WISE_SIN_OPERATOR_DESC InputTensor의 각 요소에 대한 삼각 사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_SINH_OPERATOR_DESC InputTensor의 각 요소에 대한 하이퍼볼릭 사인을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_SQRT_OPERATOR_DESC InputTensor의 각 요소에 대한 제곱근을 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_SUBTRACT_OPERATOR_DESC ATensor의 해당 요소에서 BTensor의 각 요소를 빼서 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_TAN_OPERATOR_DESC InputTensor의 각 요소에 대한 삼각 탄젠트를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_TANH_OPERATOR_DESC InputTensor 요소의 쌍곡선 탄젠트를 계산하여 결과를 OutputTensor의 해당 요소에 배치합니다.
DML_ELEMENT_WISE_THRESHOLD_OPERATOR_DESC 지정된 임계값인 Min보다 낮은 InputTensor의 모든 요소를 Min으로 바꿉니다. 결과는 OutputTensor의 해당 요소에 배치됩니다.
DML_FEATURE_DATA_FEATURE_LEVELS DirectML 디바이스에서 지원하는 기능 수준에 대한 세부 정보를 제공합니다.
DML_FEATURE_DATA_TENSOR_DATA_TYPE_SUPPORT DirectML 디바이스가 텐서 내의 특정 데이터 형식을 지원하는지 여부에 대한 세부 정보를 제공합니다.
DML_FEATURE_QUERY_FEATURE_LEVELS 하나 이상의 기능 수준에 대한 지원을 위해 DirectML 디바이스를 쿼리하는 데 사용됩니다.
DML_FEATURE_QUERY_TENSOR_DATA_TYPE_SUPPORT DirectML 디바이스에서 텐서 내의 특정 데이터 형식에 대한 지원을 쿼리하는 데 사용됩니다.
DML_FILL_VALUE_CONSTANT_OPERATOR_DESC 지정된 상수 값으로 텐서를 채웁니다.
DML_FILL_VALUE_SEQUENCE_OPERATOR_DESC 텐서를 시퀀스로 채웁니다.
DML_GATHER_ELEMENTS_OPERATOR_DESC 인덱스 텐서를 사용하여 지정된 축을 따라 입력 텐서에서 요소를 수집하여 입력에 다시 매핑합니다.
DML_GATHER_ND_OPERATOR_DESC 인덱스 텐서를 사용하여 입력 텐서에서 요소를 수집하여 인덱스를 입력의 전체 하위 블록에 다시 매핑합니다. (DML_GATHER_ND_OPERATOR_DESC)
DML_GATHER_ND1_OPERATOR_DESC 인덱스 텐서를 사용하여 입력 텐서에서 요소를 수집하여 인덱스를 입력의 전체 하위 블록에 다시 매핑합니다. (DML_GATHER_ND1_OPERATOR_DESC)
DML_GATHER_OPERATOR_DESC IndicesTensor를 사용하여 인덱스를 다시 매핑하여 Axis를 따라 입력 텐서에서 요소를 수집합니다.
DML_GEMM_OPERATOR_DESC 형식 Output = FusedActivation(Alpha * TransA(A) x TransB(B) + Beta * C)의 일반 행렬 곱셈 함수를 수행합니다. 여기서 x 는 행렬 곱셈을 표시하고 스칼라를 * 사용하여 곱셈을 표시합니다.
DML_GRAPH_DESC 결합된 최적화된 연산자를 컴파일하는 데 사용되는 DirectML 연산자의 그래프를 설명합니다.
DML_GRAPH_EDGE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내 연결에 대한 일반 컨테이너입니다.
DML_GRAPH_NODE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내 노드에 대한 일반 컨테이너입니다.
DML_GRU_OPERATOR_DESC 입력에서 (표준 계층) 1층 제어 GRU(되풀이 단위) 함수를 수행합니다. 이 연산자는 여러 게이트를 사용하여 이 계층을 수행합니다. 이러한 게이트는 시퀀스 길이 차원 및 SequenceLengthsTensor에 의해 결정되는 루프에서 여러 번 수행됩니다.
DML_INPUT_GRAPH_EDGE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내 연결을 설명합니다. 이 구조체는 그래프 입력에서 내부 노드의 입력으로의 연결을 정의하는 데 사용됩니다.
DML_INTERMEDIATE_GRAPH_EDGE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내 연결을 설명합니다. 이 구조체는 내부 노드 간의 연결을 정의하는 데 사용됩니다.
DML_JOIN_OPERATOR_DESC 지정된 축을 따라 입력 텐서 배열을 연결합니다.
DML_LOCAL_RESPONSE_NORMALIZATION_GRAD_OPERATOR_DESC 로컬 응답 정규화를 위한 백프로포지션 그라데이션을 계산합니다.
DML_LOCAL_RESPONSE_NORMALIZATION_OPERATOR_DESC 입력에서 LRN(로컬 응답 정규화) 함수를 수행합니다.
DML_LP_NORMALIZATION_OPERATOR_DESC 입력 텐서의 지정된 축을 따라 Lp 정규화 함수를 수행합니다.
DML_LP_POOLING_OPERATOR_DESC 입력 텐서를 통해 슬라이딩 윈도우 내의 요소에서 Lp 정규화된 값을 계산합니다.
DML_LSTM_OPERATOR_DESC 입력에서 1층 LSTM(단기 메모리) 함수를 수행합니다. 이 연산자는 여러 게이트를 사용하여 이 계층을 수행합니다. 이러한 게이트는 시퀀스 길이 차원 및 SequenceLengthsTensor에 의해 결정되는 루프에서 여러 번 수행됩니다.
DML_MATRIX_MULTIPLY_INTEGER_OPERATOR_DESC 정수 데이터에 대해 행렬 곱하기 함수를 수행합니다.
DML_MAX_POOLING_GRAD_OPERATOR_DESC 최대 풀링에 대한 백프로포지션 그라데이션을 계산합니다( DML_MAX_POOLING2_OPERATOR_DESC 참조).
DML_MAX_POOLING_OPERATOR_DESC 입력 텐서를 통해 슬라이딩 윈도우 내의 요소에서 최대값을 계산합니다.
DML_MAX_POOLING1_OPERATOR_DESC 입력 텐서를 통해 슬라이딩 윈도우 내의 요소에서 최대값을 계산하고 선택적으로 선택한 최대 값의 인덱스를 반환합니다. (DML_MAX_POOLING1_OPERATOR_DESC)
DML_MAX_POOLING2_OPERATOR_DESC 입력 텐서를 통해 슬라이딩 윈도우 내의 요소에서 최대값을 계산하고 선택적으로 선택한 최대 값의 인덱스를 반환합니다. (DML_MAX_POOLING2_OPERATOR_DESC)
DML_MAX_UNPOOLING_OPERATOR_DESC IndicesTensor에 제공된 인덱스 값에 따라 최대 풀링 작업에서 가져온 입력 텐서 InputTensor의 값으로 출력 텐서 OutputTensor를 채워 max-pooling 작업(자세한 내용은 DML_MAX_POOLING_OPERATOR1_DESC 참조)을 반전합니다. 이 프로세스의 영향을 받지 않은 출력 텐서의 요소는 값이 0으로 유지됩니다.
DML_MEAN_VARIANCE_NORMALIZATION_OPERATOR_DESC 입력 텐서에서 평균 분산 정규화 함수를 수행합니다. 이 연산자는 정규화를 수행하기 위해 입력 텐서의 평균 및 분산을 계산합니다. (DML_MEAN_VARIANCE_NORMALIZATION_OPERATOR_DESC)
DML_MEAN_VARIANCE_NORMALIZATION1_OPERATOR_DESC 입력 텐서에서 평균 분산 정규화 함수를 수행합니다. 이 연산자는 정규화를 수행하기 위해 입력 텐서의 평균 및 분산을 계산합니다. (DML_MEAN_VARIANCE_NORMALIZATION1_OPERATOR_DESC)
DML_NONZERO_COORDINATES_OPERATOR_DESC 입력 텐서의 0이 아닌 모든 요소의 N차원 좌표를 계산합니다.
DML_ONE_HOT_OPERATOR_DESC 원 핫 인코딩 값으로 채워진 텐서를 생성합니다. 이 연산자는 선택한 축의 모든 시퀀스에 대해 해당 시퀀스의 요소를 제외한 모든 요소가 OffValue로 설정되고 나머지 단일 요소가 OnValue로 설정된 출력 텐서를 생성합니다.
DML_OPERATOR_DESC 연산자 설명에 대한 제네릭 컨테이너입니다. 이 구조체에 지정된 매개 변수를 사용하여 DirectML 연산자를 생성합니다. 자세한 내용은 IDMLDevice::CreateOperator를 참조하세요.
DML_OPERATOR_GRAPH_NODE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내에서 노드를 거부합니다.
DML_OUTPUT_GRAPH_EDGE_DESC DML_GRAPH_DESC 정의하고 IDMLDevice1::CompileGraph에 전달된 DirectML 연산자의 그래프 내 연결을 설명합니다. 이 구조체는 내부 노드의 출력에서 그래프 출력으로의 연결을 정의하는 데 사용됩니다.
DML_PADDING_OPERATOR_DESC DML_PADDING_OPERATOR_DESC 구조체(directml.h)는 에지에서 상수 또는 미러 값으로 입력 텐서를 팽창시키고 결과를 출력에 씁니다.
DML_PADDING1_OPERATOR_DESC DML_PADDING1_OPERATOR_DESC 구조체(directml.h)는 입력 텐서를 가장자리에 상수 또는 미러링된 값으로 팽창시키고 결과를 출력에 씁니다.
DML_QUANTIZED_LINEAR_CONVOLUTION_OPERATOR_DESC InputTensor를 사용하여 FilterTensor의 구성을 수행합니다. 이 연산자는 정량화된 데이터에 대해 정방향 컨볼루션을 수행합니다. 이 연산자는 수학적으로 입력의 시한을 지정하고, 결합한 다음, 출력을 정량화하는 것과 같습니다.
DML_QUANTIZED_LINEAR_MATRIX_MULTIPLY_OPERATOR_DESC 양자화된 데이터에 대해 행렬 곱하기 함수를 수행합니다. 이 연산자는 수학적으로 입력의 시한을 지정한 다음 행렬 곱을 수행한 다음 출력을 정량화하는 것과 같습니다.
DML_RANDOM_GENERATOR_OPERATOR_DESC 출력 텐서를 결정적으로 생성된 의사 임의 균일하게 분산된 비트로 채웁니다. 이 연산자는 필요에 따라 연산자의 후속 실행 중에 사용할 수 있는 업데이트된 내부 생성기 상태를 출력할 수도 있습니다.
DML_REDUCE_OPERATOR_DESC 입력 텐서의 하나 이상의 차원 내에서 요소의 감소(합계, 제품, 최소값 등)를 출력합니다.
DML_RESAMPLE_GRAD_OPERATOR_DESC Resample에 대한 백프로포지션 그라데이션을 계산합니다( DML_RESAMPLE1_OPERATOR_DESC 참조).
DML_RESAMPLE_OPERATOR_DESC 배율 인수를 사용하여 원본에서 대상 텐서로 요소를 다시 샘플링하여 대상 텐서 크기를 계산합니다. 선형 또는 가장 가까운 인접 보간 모드를 사용할 수 있습니다. (DML_RESAMPLE_OPERATOR_DESC)
DML_RESAMPLE1_OPERATOR_DESC 배율 인수를 사용하여 원본에서 대상 텐서로 요소를 다시 샘플링하여 대상 텐서 크기를 계산합니다. 선형 또는 가장 가까운 인접 보간 모드를 사용할 수 있습니다. (DML_RESAMPLE1_OPERATOR_DESC)
DML_REVERSE_SUBSEQUENCES_OPERATOR_DESC 텐서의 하나 이상의 하위 시퀀스의 요소를 반대로 바꿉니다. 역방향으로 사용할 하위 시퀀스 집합은 제공된 축 및 시퀀스 길이에 따라 선택됩니다.
DML_RNN_OPERATOR_DESC 입력에서 1계층 단순 RNN(되풀이 신경망) 함수를 수행합니다. 이 함수를 종종 입력 게이트라고 합니다. 이 연산자는 시퀀스 길이 차원 및 SequenceLengthsTensor에 의해 결정되는 루프에서 이 함수를 여러 번 수행합니다.
DML_ROI_ALIGN_GRAD_OPERATOR_DESC ROI_ALIGN 및ROI_ALIGN1 대한 백프로포지션 그라데이션을 계산합니다.
DML_ROI_ALIGN_OPERATOR_DESC R-CNN 마스크 용지에 설명된 대로 ROI 맞춤 작업을 수행합니다. 요약하자면, 이 작업은 입력 이미지 텐서에서 자르기를 추출하고 지정된 InterpolationMode를 사용하여 OutputTensor의 마지막 2차원에 지정된 일반 출력 크기로 크기를 조정합니다.
DML_ROI_ALIGN1_OPERATOR_DESC R-CNN 마스크 용지에 설명된 대로 ROI 맞춤 작업을 수행합니다. 요약하자면, 이 작업은 입력 이미지 텐서에서 잘린 창을 추출하고 지정된 InterpolationMode를 사용하여 OutputTensor의 마지막 2차원에서 지정한 일반 출력 크기로 크기를 조정합니다.
DML_ROI_POOLING_OPERATOR_DESC 입력 텐서에서 MaxPool 함수를 수행합니다(관심 영역 또는 UI에 따라).
DML_SCALAR_UNION 스칼라 형식의 공용 구조체입니다.
DML_SCALE_BIAS DirectML 연산자에 제공된 크기 조정 및 바이어스 용어의 값을 포함합니다. 배율 및 바이어스는 g(x) = x * Scale + Bias 함수를 적용하는 효과가 있습니다.
DML_SCATTER_ND_OPERATOR_DESC 전체 입력 텐서를 출력에 복사한 다음, 선택한 인덱스를 업데이트 텐서의 해당 값으로 덮어씁니다. (DML_SCATTER_ND_OPERATOR_DESC)
DML_SCATTER_OPERATOR_DESC 전체 입력 텐서를 출력에 복사한 다음, 선택한 인덱스를 업데이트 텐서의 해당 값으로 덮어씁니다. (DML_SCATTER_OPERATOR_DESC)
DML_SIZE_2D 텐서 내 요소의 2차원 평면 또는 2차원 배율 또는 2차원 너비/높이 값의 크기(DirectML 연산자에 제공됨)를 나타낼 수 있는 값을 포함합니다.
DML_SLICE_GRAD_OPERATOR_DESC 조각에 대한 백프로포지션 그라데이션을 계산합니다( DML_SLICE1_OPERATOR_DESC 참조).
DML_SLICE_OPERATOR_DESC 입력 텐서의 단일 하위 영역("조각")을 추출합니다. (DML_SLICE_OPERATOR_DESC)
DML_SLICE1_OPERATOR_DESC 입력 텐서의 단일 하위 영역("조각")을 추출합니다. (DML_SLICE1_OPERATOR_DESC)
DML_SPACE_TO_DEPTH_OPERATOR_DESC 공간 데이터 블록을 깊이로 다시 정렬합니다. 연산자는 높이 및 너비 차원의 값이 깊이 차원으로 이동되는 입력 텐서의 복사본을 출력합니다. (DML_SPACE_TO_DEPTH_OPERATOR_DESC)
DML_SPACE_TO_DEPTH1_OPERATOR_DESC 공간 데이터 블록을 깊이로 다시 정렬합니다. 연산자는 높이 및 너비 차원의 값이 깊이 차원으로 이동되는 입력 텐서의 복사본을 출력합니다. (DML_SPACE_TO_DEPTH1_OPERATOR_DESC)
DML_SPLIT_OPERATOR_DESC 축을 따라 입력 텐서를 여러 출력 텐서로 분할합니다.
DML_TENSOR_DESC DirectML 텐서 설명에 대한 제네릭 컨테이너입니다.
DML_TILE_OPERATOR_DESC 입력 텐서를 바둑판식으로 배열하여 출력 텐서를 생성합니다. 입력 텐서의 각 차원에 있는 요소는 Repeats 배열의 여러 에 의해 반복됩니다.
DML_TOP_K_OPERATOR_DESC InputTensor의 축을 따라 각 시퀀스에서 가장 큰 K 요소를 선택하고 각각 OutputValueTensor 및 OutputIndexTensor에서 해당 요소의 값과 인덱스를 반환합니다.
DML_TOP_K1_OPERATOR_DESC InputTensor의 축을 따라 각 시퀀스에서 가장 크거나 작은 K 요소를 선택하고 각각 OutputValueTensor 및 OutputIndexTensor에서 해당 요소의 값과 인덱스를 반환합니다.
DML_UPSAMPLE_2D_OPERATOR_DESC 출력 텐서에 결과를 기록하여 입력 이미지를 업샘플링합니다. 차원의 순서는 NCHW(BatchSize, ChannelCount, Height, Width) 또는 NCDHW(BatchSize, ChannelCount, Depth, Height, Width)여야 하지만 데이터가 다른 형식으로 저장된 경우 보폭을 사용할 수 있습니다.
DML_VALUE_SCALE_2D_OPERATOR_DESC 요소별 배율 및 바이어스 함수 Output = Scale * Input + Bias를 수행합니다.