nuget
ITensorCompute 的标量兜底实现。
TensorComputeBase
01 Syntax
Microsoft.VisualBasic.MachineLearning.TensorFlow.Compute.TensorComputeBase
02 Methods
| Name | Overloads | Summary |
|---|---|---|
| RequireSameShape | 1 | 要求两个张量形状一致 |
| Wrap | 1 | 由计算结果的一维数组与形状包装出新的张量 |
| MapUnary | 1 | 逐元素一元运算的通用标量实现 |
| MapBinary | 1 | 逐元素二元运算的通用标量实现 |
| Heaviside | 1 | 阶跃函数(Heaviside): 大于 0 的元素取 1, 否则取 0 |
| SpMM | 1 | 稀疏 × 稠密的主机（标量）实现：dense[batch, Rows] · W[Rows, Columns] → [batch, Columns]。 |
| NormalizeAxis | 1 | 把可能为负的轴编号规范到 [0, Rank)，并做越界校验 |
| AxisLayout | 1 | 把某根轴上的索引分解成「外层个数 / 轴长度 / 内层连续长度」三元组。 |
| MaskedCrossEntropy | 1 | 带损失掩码的 softmax 交叉熵（CPU 参考实现）。 |
| TryAdamWStep | 1 | 默认后端不提供设备端 AdamW，返回 False 让调用方走主机循环。 |
| PinDevice | 1 | 默认后端不支持钉住，直接返回 False。 |
| UnpinDevice | 1 | 默认后端没有常驻缓冲，返回 False。 |
| IsDevicePinned | 1 | 默认后端没有任何张量被钉住。 |
| SyncFromDevice | 1 | 默认后端没有设备副本，因此无需同步。 |
| ConvOutSize | 1 | 卷积/池化的输出边长: (input + 2*padding - kernel) / stride + 1 |
| RequireRank4 | 1 | 卷积/池化的入参形状校验 |
| ReduceAlongAxis | 1 | 沿指定轴执行规约操作（通用实现） |
| ReduceArgAxis | 1 | 沿指定轴找到极值的索引（argmax / argmin） |
| 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 | |
| Slice | 1 | |
| Concat | 1 | |
| TopK | 1 | |
| Conv2D | 1 | |
| Conv2DBackwardInput | 1 | |
| Conv2DBackwardFilter | 1 | |
| Conv2DBackwardBias | 1 | |
| MaxPool2D | 1 | |
| MaxPool2DBackward | 1 | |
| SumAll | 1 | |
| MeanAll | 1 | |
| Sum | 1 | |
| Mean | 1 | |
| Max | 1 | |
| Min | 1 | |
| Prod | 1 | |
| StdDev | 1 | |
| L2Norm | 1 | |
| ArgMax | 1 | |
| ArgMin | 1 | |
| Softmax | 1 | |
| LogSoftmax | 1 | |
| SigmoidCrossEntropyWithLogits | 1 | |
| MseLoss | 1 | |
| L2Loss | 1 | |
| HuberLoss | 1 |
03 Properties
| Name | Overloads | Summary |
|---|---|---|
| SupportsDeviceResidency | 1 | 默认后端没有"设备常驻"概念。 |
| PinnedDeviceBytes | 1 | 默认后端不占用显存。 |
| Name | 1 |
04 Members
要求两个张量形状一致
Wrap(
Double(), Int32())由计算结果的一维数组与形状包装出新的张量
MapUnary(Tensor,
Func(Of Double, Double))逐元素一元运算的通用标量实现
逐元素二元运算的通用标量实现
Heaviside(Tensor)
阶跃函数(Heaviside): 大于 0 的元素取 1, 否则取 0
稀疏 × 稠密的主机（标量）实现：dense[batch, Rows] · W[Rows, Columns] → [batch, Columns]。
Remarks
热路径直接操作底层数组，并对 0/1 脉冲输入跳过零源以利用稀疏性。 有 CUDA 内核的后端（CudaTensor）会覆盖本方法。
把可能为负的轴编号规范到 [0, Rank)，并做越界校验
AxisLayout(
Int32(), Int32, Int32, Int32, Int32)把某根轴上的索引分解成「外层个数 / 轴长度 / 内层连续长度」三元组。
Remarks
行主序下第 axis 维的步长是 innerSize = Π shape(axis+1..)， 而 outerSize = Π shape(0..axis-1) 是前面各维的元素总数。 因此 "沿该轴取第 k 段" 就是一次长度为 innerSize 的连续块搬移。
带损失掩码的 softmax 交叉熵（CPU 参考实现）。
Remarks
CPU 后端保持"逐行三趟循环"的朴素写法：求行最大值 → 求 exp 和 → 归一化。 GPU 后端（CudaTensor）会用"每行一个 block + 共享内存树形归约"的 融合内核覆盖它，把 3300 万次 exp 从主机搬到设备。 两条路径的损失定义与梯度定义必须严格一致，否则 CPU/GPU 结果不可比。
TryAdamWStep(Tensor, Tensor, Tensor, Tensor,
Double, Double, Double, Double, Double, Double, Double)默认后端不提供设备端 AdamW，返回 False 让调用方走主机循环。
默认后端不支持钉住，直接返回 False。
UnpinDevice(Tensor)
默认后端没有常驻缓冲，返回 False。
IsDevicePinned(Tensor)
默认后端没有任何张量被钉住。
SyncFromDevice(Tensor)
默认后端没有设备副本，因此无需同步。
ConvOutSize(
Int32, Int32, Int32, Int32)卷积/池化的输出边长: (input + 2*padding - kernel) / stride + 1
RequireRank4(Tensor,
String)卷积/池化的入参形状校验
沿指定轴执行规约操作（通用实现）
沿指定轴找到极值的索引（argmax / argmin）
SupportsDeviceResidency
默认后端没有"设备常驻"概念。
PinnedDeviceBytes
默认后端不占用显存。
Name
Exp(Tensor)
Log(Tensor)
Sqrt(Tensor)
Square(Tensor)
Abs(Tensor)
Sin(Tensor)
Cos(Tensor)
Tanh(Tensor)
Sigmoid(Tensor)
Negate(Tensor)
Reciprocal(Tensor)
Relu(Tensor)
LeakyRelu(Tensor,
Double)Elu(Tensor,
Double)Gelu(Tensor)
Swish(Tensor)
AddScalar(Tensor,
Double)MultiplyScalar(Tensor,
Double)DivideScalar(Tensor,
Double)Pow(Tensor,
Double)Transpose(Tensor)
Concat(Tensor(),
Int32)Conv2DBackwardBias(Tensor)
SumAll(Tensor)
MeanAll(Tensor)
Prod(Tensor,
Nullable(Of Int32))StdDev(Tensor)
L2Norm(Tensor)
ArgMax(Tensor,
Nullable(Of Int32))ArgMin(Tensor,
Nullable(Of Int32))Softmax(Tensor,
Int32)LogSoftmax(Tensor,
Int32)L2Loss(Tensor)