从 .NET 11 开始,张量运算使用一致的形状对齐规则。 默认零秩空张量和跨度在计算期间具有 [0] 的有效形状,并且操作在对齐形状时可以忽略冗余的前导单例维度。
该更改已在 System.Numerics.Tensors 包中提供,包括其支持的目标框架。 更新包可能会影响面向早期.NET版本的应用。
引入的版本
.NET 11
以前的行为
Tensor 操作对形状的处理不一致。 某些操作需要精确的形状匹配,而另一些操作则以不同的方式对齐维度。 因此,具有冗余前导单例维度的等效形状(例如 [1, 1, 3] 和 [3])可能会被拒绝或在操作之间解释不同。
默认的空张量和跨度保留了秩为零的元数据,但运算并没有始终将它们视为具有有效形状 [0] 的向量。 堆栈和串联操作还可以根据输入秩以不同的方式解释轴。
某些操作还将逻辑元素计数或偏移量缩小到 int,这阻止了具有超过 int.MaxValue 个元素的本机支持张量跨度被正确遍历。
EqualsAny、GreaterThanAny、GreaterThanOrEqualAny、LessThanAny 和 LessThanOrEqualAny 操作未始终检查完整的逻辑输入长度,包括空输入。
新行为
Tensor 操作现在使用共享的形状对齐规则:
- 默认零秩空张量和跨度具有
[0]的有效形状用于计算。 它们存储的Rank、Lengths和Strides不会更改,并且显式秩为空的形状会保留其尺寸。 - 操作可以在对齐形状时添加或删除冗余的前导单一实例维度。 例如,
[1, 1, 3]与[3]保持一致,但[2, 1]和[1, 2]仍然不同。 零长度维度和非前导单例维度仍然重要。 - 形状相等性仅忽略冗余的前导单例维度。 它不广播其他维度。
- 堆栈和连接操作通过使用第一个输入的有效形状来解释轴。 其他输入和目标与该形状对齐。
- 默认空值可以广播到
[2, 0]。 有效形状[0]和[0, 2]之间的二元运算会拒绝不兼容的尾随维度。 - 当操作将它们对齐时,源和目标会保留其请求的形状元数据。
现在可以使用本机大小的长度和偏移量遍历本机支持的张量跨度,包括具有超过 int.MaxValue 个逻辑元素的跨度。 空视图还在其源中保留存储原点。 现在,EqualsAny、GreaterThanAny、LessThanAny、GreaterThanOrEqualAny和LessThanOrEqualAny操作会检查完整的逻辑输入范围,并正确处理空输入。
破坏性变更的类型
这是行为 变化。
更改原因
一致的形状规则使张量操作更具可预测性,并保留显式请求的维度,同时允许等效的形状协同工作。 本机大小的遍历还允许操作覆盖由较大存储支持的跨度的完整逻辑范围。
有关详细信息,请参阅 dotnet/runtime#135060。
建议的操作
查看依赖于张量运算接受或拒绝特定形状组合的代码。 将默认的零秩空值视为具有有效形状 [0],并在对齐和形状比较期间忽略冗余的前导单例维度。 显式零长度维度和非前导单例维度仍然重要。
对于堆栈和连接操作,相对于第一个输入的有效形状解释轴。 如果代码需要确切的已存储的秩或长度,请在调用操作之前验证元数据。 默认空值的存储元数据不会更改。
受影响的 API
- Tensor.Broadcast、 Tensor.BroadcastTo和 Tensor.TryBroadcastTo
- Tensor 上的逐元素和复制操作,用于对齐张量形状或写入调用方提供的目标
- Tensor.Concatenate、Tensor.ConcatenateOnDimension、Tensor.Stack 和 Tensor.StackAlongDimension
- Tensor.Reshape、Tensor.Split、Tensor.Unsqueeze、Tensor.SqueezeDimension、Tensor.PermuteDimensions、Tensor.SetSlice、Tensor.ResizeTo、Tensor.SequenceEqual、Tensor.Reverse和Tensor.ReverseDimension
- Tensor.EqualsAny、Tensor.GreaterThanAny、Tensor.GreaterThanOrEqualAny、Tensor.LessThanAny 和 Tensor.LessThanOrEqualAny
- Tensor.IndexOfMax、Tensor.IndexOfMaxMagnitude、Tensor.IndexOfMin 和 Tensor.IndexOfMinMagnitude