ITensorComputeF

Full name Microsoft.VisualBasic.MachineLearning.TensorFlow.Compute.ITensorComputeF Assembly Microsoft.VisualBasic.MachineLearning.TensorFlow Members 30

单精度张量计算后端契约。

00 Remarks

形状校验、广播等"语义边界"仍然由 TensorF 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 TensorF.computeKernelF 是一个全局共享变量。

01 Syntax

Microsoft.VisualBasic.MachineLearning.TensorFlow.Compute.ITensorComputeF

02 Methods

Name	Overloads	Summary
Add	1	逐元素相加
Subtract	1	逐元素相减
Multiply	1	逐元素相乘
Divide	1	逐元素相除
Maximum	1	逐元素取较大值
Minimum	1	逐元素取较小值
Exp	1	逐元素指数
Log	1	逐元素自然对数
Sqrt	1	逐元素平方根
Square	1	逐元素平方
Abs	1	逐元素绝对值
Negate	1	逐元素取负
Reciprocal	1	逐元素倒数
Tanh	1	逐元素双曲正切
Sigmoid	1	逐元素 Sigmoid
Relu	1	逐元素 ReLU
AddScalar	1	逐元素加标量
MultiplyScalar	1	逐元素乘标量
DivideScalar	1	逐元素除标量
Clip	1	把元素钳制到 [low, high] 区间
MatMul	1	二维矩阵乘法
SumAll	1	整体求和。累加使用双精度，避免大数组单精度累加的舍入误差。
MeanAll	1	整体求均值
MinAll	1	最小值
MaxAll	1	最大值
Laplacian7	1	七点拉普拉斯 stencil：out = Σ(流体邻居) - nFluid * 中心。固体（掩膜为 0）单元的输出恒为 0；固体邻居按 Neumann 零梯度不计入，因此除数取该格的流体邻居数 nFluid。
JacobiStencil7	1	带掩膜的七点 Jacobi 迭代。统一迭代式： x_new(idx) = (alpha · Σ_fluid x_old(邻居) + rhs(idx)) / denom 其中 denom = beta（当 beta > 0），否则 denom = nFluid(idx)。固体单元恒为 0。两种典型用法：压力泊松 ∇²p = div…
AdvectTrilinear	1	半拉格朗日平流：对每个格子沿速度场反向追踪 dt 时间，在回溯位置对源场做三线性插值采样。这是纯 gather（只读源场、只写目标格），无 scatter，因此可以完全并行。
ApplyMask	1	按掩膜把所有给定场中的固体单元置零（无滑移壁：速度 / 压力 / 密度恒为 0）。

03 Properties

Name	Overloads	Summary
Name	1	后端名称，用于诊断输出（例如 "SIMD-F32" / "CUDA-F32"）。

04 Members

method Add #

Add(TensorF, TensorF)

逐元素相加

method Subtract #

Subtract(TensorF, TensorF)

逐元素相减

method Multiply #

Multiply(TensorF, TensorF)

逐元素相乘

method Divide #

Divide(TensorF, TensorF)

逐元素相除

method Maximum #

Maximum(TensorF, TensorF)

逐元素取较大值

method Minimum #

Minimum(TensorF, TensorF)

逐元素取较小值

method Exp #

Exp(TensorF)

逐元素指数

method Log #

Log(TensorF)

逐元素自然对数

method Sqrt #

Sqrt(TensorF)

逐元素平方根

method Square #

Square(TensorF)

逐元素平方

method Abs #

Abs(TensorF)

逐元素绝对值

method Negate #

Negate(TensorF)

逐元素取负

method Reciprocal #

Reciprocal(TensorF)

逐元素倒数

method Tanh #

Tanh(TensorF)

逐元素双曲正切

method Sigmoid #

Sigmoid(TensorF)

逐元素 Sigmoid

method Relu #

Relu(TensorF)

逐元素 ReLU

method AddScalar #

AddScalar(TensorF, Single)

逐元素加标量

method MultiplyScalar #

MultiplyScalar(TensorF, Single)

逐元素乘标量

method DivideScalar #

DivideScalar(TensorF, Single)

逐元素除标量

method Clip #

Clip(TensorF, Single, Single)

把元素钳制到 [low, high] 区间

method MatMul #

MatMul(TensorF, TensorF)

二维矩阵乘法

method SumAll #

SumAll(TensorF)

整体求和。累加使用双精度，避免大数组单精度累加的舍入误差。

method MeanAll #

MeanAll(TensorF)

整体求均值

method MinAll #

MinAll(TensorF)

最小值

method MaxAll #

MaxAll(TensorF)

最大值

method Laplacian7 #

Laplacian7(TensorF, Byte(), Byte())

七点拉普拉斯 stencil：out = Σ(流体邻居) - nFluid 中心。固体（掩膜为 0）单元的输出恒为 0；固体邻居按 Neumann 零梯度不计入，因此除数取该格的流体邻居数 nFluid*。

Parameters

Name	Type	Description
`src`	TensorF	输入场
`mask`	`Byte()`	固体掩膜，0 = 固体 / 空腔，非 0 = 流体。传 Nothing 表示全流体
`nFluid`	`Byte()`	每格的流体邻居数（0..6），长度与场一致

Returns

拉普拉斯结果

method JacobiStencil7 #

JacobiStencil7(TensorF, Byte(), Byte(), Single, Single, Int32, TensorF)

带掩膜的七点 Jacobi 迭代。统一迭代式： x_new(idx) = (alpha · Σ_fluid x_old(邻居) + rhs(idx)) / denom 其中 denom = beta（当 beta > 0），否则 denom = nFluid(idx)。固体单元恒为 0。两种典型用法：压力泊松 ∇²p = div → alpha = 1, beta = 0（除数取 nFluid）, rhs = -div 隐式扩散 (1+6a)φ = φ_old + a·Σ → alpha = a, beta = 1 + 6a, rhs = φ_old

Parameters

Name	Type	Description
`rhs`	TensorF	右端项（见上：压力泊松传 -div，扩散传 φ_old）
`mask`	`Byte()`	固体掩膜，0 = 固体。传 Nothing 表示全流体
`nFluid`	`Byte()`	每格的流体邻居数
`alpha`	`Single`	邻居项系数
`beta`	`Single`	中心项除数；<= 0 表示除数改用每格流体邻居数
`iterations`	`Int32`	迭代次数
`initial`	TensorF	初始猜测；传 Nothing 则全零开始

Returns

迭代后的解

method AdvectTrilinear #

AdvectTrilinear(TensorF, TensorF, TensorF, TensorF, Single, Byte())

半拉格朗日平流：对每个格子沿速度场反向追踪 dt 时间，在回溯位置对源场做三线性插值采样。这是纯 gather（只读源场、只写目标格），无 scatter，因此可以完全并行。

Parameters

Name	Type	Description
`src`	TensorF	被平流的源场
`u`	TensorF	速度场 X 分量
`v`	TensorF	速度场 Y 分量
`w`	TensorF	速度场 Z 分量
`dt`	`Single`	时间步长
`mask`	`Byte()`	固体掩膜，0 = 固体（输出恒为 0）。传 Nothing 表示全流体

Returns

平流后的新场

method ApplyMask #

ApplyMask(Byte(), TensorF())

按掩膜把所有给定场中的固体单元置零（无滑移壁：速度 / 压力 / 密度恒为 0）。

Parameters

Name	Type	Description
`mask`	`Byte()`	固体掩膜，0 = 固体
`fields`	TensorF()	需要置零的场（数量不定）

property Name #

Name

后端名称，用于诊断输出（例如 "SIMD-F32" / "CUDA-F32"）。