ITensorCompute

Full name Microsoft.VisualBasic.MachineLearning.TensorFlow.Compute.ITensorCompute Assembly Microsoft.VisualBasic.MachineLearning.TensorFlow Members 54

张量计算后端契约。

00 Remarks

形状校验、广播等“语义边界”仍然由 Tensor 层负责，后端只需要实现纯粹的数值计算。后端应当是无状态（或线程安全）的，因为 Tensor.computeKernel 是一个全局共享变量。

01 Syntax

Microsoft.VisualBasic.MachineLearning.TensorFlow.Compute.ITensorCompute

02 Methods

Name	Overloads	Summary
Heaviside	1	阶跃函数(Heaviside): 大于 0 的元素取 1, 否则取 0。
Conv2D	1	二维卷积（严格来说是互相关，与主流深度学习框架一致）。
Conv2DBackwardInput	1	卷积反向：计算对输入的梯度。
Conv2DBackwardFilter	1	卷积反向：计算对卷积核的梯度。
Conv2DBackwardBias	1	卷积反向：计算对偏置的梯度（沿 N / OH / OW 三个维度求和）。
MaxPool2D	1	二维最大池化前向，同时输出每个输出位置所对应的输入扁平下标（供反向 scatter）。
MaxPool2DBackward	1	二维最大池化反向：按前向记录的 argMax 把梯度回填到输入位置。
Sum	1	沿指定轴（Nothing 表示整体）求和
SumAll	1	整体求和
Mean	1	沿指定轴（Nothing 表示整体）求均值
MeanAll	1	整体求均值
StdDev	1	总体标准差
L2Norm	1	L2 范数（欧几里得范数）
Add	1
Subtract	1
Multiply	1
Divide	1
Maximum	1
Minimum	1
Exp	1
Log	1
Sqrt	1
Square	1
Abs	1
Sin	1
Cos	1
Tanh	1
Sigmoid	1
Negate	1
Reciprocal	1
Relu	1
LeakyRelu	1
Elu	1
Gelu	1
Swish	1
AddScalar	1
MultiplyScalar	1
DivideScalar	1
Pow	1
Clip	1
MatMul	1
Transpose	1
Max	1
Min	1
Prod	1
ArgMax	1
ArgMin	1
Softmax	1
LogSoftmax	1
SigmoidCrossEntropyWithLogits	1
MseLoss	1
L2Loss	1
HuberLoss	1

03 Properties

Name	Overloads	Summary
Name	1	后端名称，用于诊断输出（例如 "SIMD" / "CUDA"）。

04 Members

method Heaviside #

Heaviside(Tensor)

阶跃函数(Heaviside): 大于 0 的元素取 1, 否则取 0。

Remarks

后端本身没有比较/掩码算子, 而 ReLU 系激活函数的反向传播需要的正是 (x > 0) ? dy : 0 这样的逐元素掩码; 有了本算子之后就可以写成 Heaviside(x) 与上游梯度逐元素相乘, 从而让整个反向过程同样可以下放到 GPU。 (命名为 Heaviside 而不是 Step, 是因为 Step 是 VB 的保留字)

method Conv2D #

Conv2D(Tensor, Tensor, Tensor, Int32, Int32)

二维卷积（严格来说是互相关，与主流深度学习框架一致）。

Parameters

Name	Type	Description
`x`	Tensor	输入，形状 (N, H, W, C)
`filters`	Tensor	卷积核，形状 (KH, KW, C, OutC)
`bias`	Tensor	偏置，形状 (OutC)；传 Nothing 表示不加偏置
`stride`	`Int32`	步长
`padding`	`Int32`	四周零填充宽度

Returns

输出，形状 (N, OH, OW, OutC)

method Conv2DBackwardInput #

Conv2DBackwardInput(Tensor, Tensor, Int32(), Int32, Int32)

卷积反向：计算对输入的梯度。

Parameters

Name	Type	Description
`gradOutput`	Tensor	上游梯度，形状 (N, OH, OW, OutC)
`filters`	Tensor	前向使用过的卷积核，形状 (KH, KW, C, OutC)
`inputShape`	`Int32()`	前向输入的形状 (N, H, W, C)，用于确定输出形状

Returns

对输入的梯度，形状 (N, H, W, C)

method Conv2DBackwardFilter #

Conv2DBackwardFilter(Tensor, Tensor, Int32(), Int32, Int32)

卷积反向：计算对卷积核的梯度。

Parameters

Name	Type	Description
`gradOutput`	Tensor	上游梯度，形状 (N, OH, OW, OutC)
`x`	Tensor	前向使用过的输入，形状 (N, H, W, C)
`filterShape`	`Int32()`	卷积核形状 (KH, KW, C, OutC)，用于确定输出形状

Returns

对卷积核的梯度，形状 (KH, KW, C, OutC)

method Conv2DBackwardBias #

Conv2DBackwardBias(Tensor)

卷积反向：计算对偏置的梯度（沿 N / OH / OW 三个维度求和）。

Parameters

Name	Type	Description
`gradOutput`	Tensor	上游梯度，形状 (N, OH, OW, OutC)

Returns

对偏置的梯度，形状 (OutC)

method MaxPool2D #

MaxPool2D(Tensor, Int32, Int32, Int32, Tensor)

二维最大池化前向，同时输出每个输出位置所对应的输入扁平下标（供反向 scatter）。

Parameters

Name	Type	Description
`x`	Tensor	输入，形状 (N, H, W, C)
`size`	`Int32`	池化窗口边长
`stride`	`Int32`	步长
`padding`	`Int32`	四周零填充宽度
`argMax`	Tensor	输出参数：形状 (N, OH, OW, C)，元素为获胜元素在输入张量之中的扁平下标（即 `nHWC + hWC + wC + c`）。反向传播依赖它做梯度回填，因为每个输出位置唯一的对应一个输入位置，所以反向不需要原子操作。

Returns

输出，形状 (N, OH, OW, C)

method MaxPool2DBackward #

MaxPool2DBackward(Tensor, Tensor, Int32())

二维最大池化反向：按前向记录的 argMax 把梯度回填到输入位置。

Parameters

Name	Type	Description
`gradOutput`	Tensor	上游梯度，形状 (N, OH, OW, C)
`argMax`	Tensor	前向返回的输入扁平下标，形状 (N, OH, OW, C)
`inputShape`	`Int32()`	前向输入的形状 (N, H, W, C)