张量 (pytorch_android 1.9.0 API) - PyTorch 深度学习库

java.lang.Object
- org.pytorch.Tensor

```
public abstract class Tensor
extends java.lang.Object
```
张量的表示。行为类似于 PyTorch 的张量对象。
大多数张量将被构造为 Tensor.fromBlob(data, shape)，其中 data 可以是数组或直接 Buffer（适当的子类）。提供了辅助方法来适当地分配缓冲区。
要访问 Tensor 数据，请参阅 dtype()、shape() 和各种 getDataAs* 方法。
使用 data 作为数组构造 Tensor 对象时，未指定此数据是复制还是作为引用保留，因此建议在构造后不要修改它。作为 Buffer 传递的 data 不会被复制，因此可以在 Module 调用之间修改它以避免重新分配。从 Tensor 对象检索的数据可能被复制，也可能是对 Tensor 的内部数据缓冲区的引用。shape 始终被复制。

方法摘要

所有方法静态方法实例方法抽象方法具体方法
修饰符和类型	方法和描述
`static java.nio.ByteBuffer`	`allocateByteBuffer(int numElements)` 分配一个新的直接 `ByteBuffer`，具有本机字节序和指定的容量，可用于 `fromBlob(ByteBuffer, long[])`、`fromBlobUnsigned(ByteBuffer, long[])`。
`static java.nio.DoubleBuffer`	`allocateDoubleBuffer(int numElements)` 分配一个新的直接 `DoubleBuffer`，具有本机字节序和指定的容量，可用于 `fromBlob(DoubleBuffer, long[])`。
`static java.nio.FloatBuffer`	`allocateFloatBuffer(int numElements)` 分配一个新的直接 `FloatBuffer`，具有本机字节序和指定的容量，可用于 `fromBlob(FloatBuffer, long[])`。
`static java.nio.IntBuffer`	`allocateIntBuffer(int numElements)` 分配一个新的直接 `IntBuffer`，具有本机字节序和指定的容量，可用于 `fromBlob(IntBuffer, long[])`。
`static java.nio.LongBuffer`	`allocateLongBuffer(int numElements)` 分配一个新的直接 `LongBuffer`，具有本机字节序和指定的容量，可用于 `fromBlob(LongBuffer, long[])`。
`abstract DType`	`dtype()`
`static Tensor`	`fromBlob(byte[] data, long[] shape)`
`static Tensor`	`fromBlob(byte[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int8，具有指定的形状和数据作为字节数组。
`static Tensor`	`fromBlob(java.nio.ByteBuffer data, long[] shape)`
`static Tensor`	`fromBlob(java.nio.ByteBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int8，具有指定的形状和数据。
`static Tensor`	`fromBlob(double[] data, long[] shape)`
`static Tensor`	`fromBlob(double[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.float64，具有指定的形状和数据作为双精度数组。
`static Tensor`	`fromBlob(java.nio.DoubleBuffer data, long[] shape)`
`static Tensor`	`fromBlob(java.nio.DoubleBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.float64，具有指定的形状和数据。
`static Tensor`	`fromBlob(float[] data, long[] shape)`
`static Tensor`	`fromBlob(float[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.float32，具有指定的形状和数据作为浮点数数组。
`static Tensor`	`fromBlob(java.nio.FloatBuffer data, long[] shape)`
`static Tensor`	`fromBlob(java.nio.FloatBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.float32，具有指定的形状和数据。
`static Tensor`	`fromBlob(int[] data, long[] shape)`
`static Tensor`	`fromBlob(int[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int32，具有指定的形状和数据作为整数数组。
`static Tensor`	`fromBlob(java.nio.IntBuffer data, long[] shape)`
`static Tensor`	`fromBlob(java.nio.IntBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int32，具有指定的形状和数据。
`static Tensor`	`fromBlob(long[] data, long[] shape)`
`static Tensor`	`fromBlob(long[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int64，具有指定的形状和数据作为长整数数组。
`static Tensor`	`fromBlob(java.nio.LongBuffer data, long[] shape)`
`static Tensor`	`fromBlob(java.nio.LongBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.int64，具有指定的形状和数据。
`static Tensor`	`fromBlobUnsigned(byte[] data, long[] shape)`
`static Tensor`	`fromBlobUnsigned(byte[] data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.uint8，具有指定的形状和数据作为字节数组。
`static Tensor`	`fromBlobUnsigned(java.nio.ByteBuffer data, long[] shape)`
`static Tensor`	`fromBlobUnsigned(java.nio.ByteBuffer data, long[] shape, MemoryFormat memoryFormat)` 创建一个新的 Tensor 实例，其 dtype 为 torch.uint8，具有指定的形状和数据。
`byte[]`	`getDataAsByteArray()`
`double[]`	`getDataAsDoubleArray()`
`float[]`	`getDataAsFloatArray()`
`int[]`	`getDataAsIntArray()`
`long[]`	`getDataAsLongArray()`
`byte[]`	`getDataAsUnsignedByteArray()`
`MemoryFormat`	`memoryFormat()` 返回此张量的内存格式。
`long`	`numel()` 返回此张量中的元素数量。
`static long`	`numel(long[] shape)` 计算具有指定形状的张量中的元素数量。
`long[]`	`shape()` 返回此张量的形状。

从类 java.lang.Object 继承的方法
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 方法详细资料
  - allocateByteBuffer
```
public static java.nio.ByteBuffer allocateByteBuffer(int numElements)
```
    分配一个新的直接 ByteBuffer，具有本机字节序和指定的容量，可用于 fromBlob(ByteBuffer, long[])、fromBlobUnsigned(ByteBuffer, long[])。
    
    参数
    
    numElements - 结果缓冲区的容量（元素数量）。
  - allocateIntBuffer
```
public static java.nio.IntBuffer allocateIntBuffer(int numElements)
```
    分配一个新的直接 IntBuffer，具有本机字节序和指定的容量，可用于 fromBlob(IntBuffer, long[])。
    
    参数
    
    numElements - 结果缓冲区的容量（元素数量）。
  - allocateFloatBuffer
```
public static java.nio.FloatBuffer allocateFloatBuffer(int numElements)
```
    分配一个新的直接 FloatBuffer，具有本机字节序和指定的容量，可用于 fromBlob(FloatBuffer, long[])。
    
    参数
    
    numElements - 结果缓冲区的容量（元素数量）。
  - allocateLongBuffer
```
public static java.nio.LongBuffer allocateLongBuffer(int numElements)
```
    分配一个新的直接 LongBuffer，具有本机字节序和指定的容量，可用于 fromBlob(LongBuffer, long[])。
    
    参数
    
    numElements - 结果缓冲区的容量（元素数量）。
  - allocateDoubleBuffer
```
public static java.nio.DoubleBuffer allocateDoubleBuffer(int numElements)
```
    分配一个新的直接 DoubleBuffer，具有本机字节序和指定的容量，可用于 fromBlob(DoubleBuffer, long[])。
    
    参数
    
    numElements - 结果缓冲区的容量（元素数量）。
  - fromBlobUnsigned
```
public static Tensor fromBlobUnsigned(byte[] data,
                                      long[] shape,
                                      MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.uint8，具有指定的形状和数据作为字节数组。
    
    参数
    
    data - 张量元素
    
    shape - 张量形状
  - fromBlobUnsigned
```
public static Tensor fromBlobUnsigned(byte[] data,
                                      long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(byte[] data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int8，具有指定的形状和数据作为字节数组。
    
    参数
    
    data - 张量元素
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(byte[] data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(int[] data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int32，具有指定的形状和数据作为整数数组。
    
    参数
    
    data - 张量元素
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(int[] data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(float[] data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.float32，具有指定的形状和数据作为浮点数数组。
    
    参数
    
    data - 张量元素
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(float[] data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(long[] data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int64，具有指定的形状和数据作为长整数数组。
    
    参数
    
    data - 张量元素
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(long[] data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(double[] data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.float64，具有指定的形状和数据作为双精度数组。
    
    参数
    
    shape - 张量形状
    
    data - 张量元素
  - fromBlob
```
public static Tensor fromBlob(double[] data,
                              long[] shape)
```
  - fromBlobUnsigned
```
public static Tensor fromBlobUnsigned(java.nio.ByteBuffer data,
                                      long[] shape,
                                      MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.uint8，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlobUnsigned
```
public static Tensor fromBlobUnsigned(java.nio.ByteBuffer data,
                                      long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(java.nio.ByteBuffer data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int8，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(java.nio.ByteBuffer data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(java.nio.IntBuffer data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int32，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(java.nio.IntBuffer data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(java.nio.FloatBuffer data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.float32，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(java.nio.FloatBuffer data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(java.nio.LongBuffer data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.int64，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(java.nio.LongBuffer data,
                              long[] shape)
```
  - fromBlob
```
public static Tensor fromBlob(java.nio.DoubleBuffer data,
                              long[] shape,
                              MemoryFormat memoryFormat)
```
    创建一个新的 Tensor 实例，其 dtype 为 torch.float64，具有指定的形状和数据。
    
    参数
    
    data - 具有本机字节序的直接缓冲区，包含 Tensor.numel(shape) 个元素。缓冲区将直接使用，不会复制，对其内容的更改将更改张量。
    
    shape - 张量形状
  - fromBlob
```
public static Tensor fromBlob(java.nio.DoubleBuffer data,
                              long[] shape)
```
  - numel
```
public long numel()
```
    返回此张量中的元素数量。
  - numel
```
public static long numel(long[] shape)
```
    计算具有指定形状的张量中的元素数量。
  - shape
```
public long[] shape()
```
    返回此张量的形状。（数组是一个新的副本。）
  - memoryFormat
```
public MemoryFormat memoryFormat()
```
    返回此张量的内存格式。
  - dtype
```
public abstract DType dtype()
```
    返回
    
    此张量的类型。
  - getDataAsByteArray
```
public byte[] getDataAsByteArray()
```
    返回
    
    一个包含张量数据的 Java 字节数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 int8 张量调用。
  - getDataAsUnsignedByteArray
```
public byte[] getDataAsUnsignedByteArray()
```
    返回
    
    一个包含张量数据的 Java 字节数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 uint8 张量调用。
  - getDataAsIntArray
```
public int[] getDataAsIntArray()
```
    返回
    
    一个包含张量数据的 Java 整数数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 int32 张量调用。
  - getDataAsFloatArray
```
public float[] getDataAsFloatArray()
```
    返回
    
    一个包含张量数据的 Java 浮点数数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 float32 张量调用。
  - getDataAsLongArray
```
public long[] getDataAsLongArray()
```
    返回
    
    一个包含张量数据的 Java 长整数数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 int64 张量调用。
  - getDataAsDoubleArray
```
public double[] getDataAsDoubleArray()
```
    返回
    
    一个包含张量数据的 Java 双精度数组。这可能是副本或引用。
    
    抛出
    
    java.lang.IllegalStateException - 如果它被用于非 float64 张量调用。

类 Tensor

方法摘要

从类 java.lang.Object 继承的方法

方法详细资料

allocateByteBuffer

allocateIntBuffer

allocateFloatBuffer

allocateLongBuffer

allocateDoubleBuffer

fromBlobUnsigned

fromBlobUnsigned

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlobUnsigned

fromBlobUnsigned

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

fromBlob

numel

numel

shape

memoryFormat

dtype

getDataAsByteArray

getDataAsUnsignedByteArray

getDataAsIntArray

getDataAsFloatArray

getDataAsLongArray

getDataAsDoubleArray